深度学习复习之 二、手记重写&题目回忆【哈尔滨工业大学（威海）】

已于 2024-01-18 19:07:16 修改
阅读量384 收藏 7
点赞数 10
分类专栏： 深度学习复习两部曲 文章标签： 深度学习
于 2024-01-13 21:52:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/GooO_O/article/details/135576489
版权
这篇文章主要讲述了在内容社区中，作者通过金山文档分享了关于二次记录和试题回忆的内容，提供了下载链接供读者获取。
摘要由CSDN通过智能技术生成

文章过长，从本地转上来调格式也怪麻烦的，直接分享照片啦。本文主要是侧重点二次记录&试题回忆。

这也把共享链接🔗放上来啦，有需要的友友可以进去下载文件。

【金山文档】 dp手记

GooO_O
关注
专栏目录
深度学习手记（九）之Inception-v3实现迁移学习
星影L的博客
04-05 2525
  在训练神经网络模型时，往往需要很多的标注数据以支持模型的准确性。但是，在真实的应用中，很难收集到如此多的标注数据，即使可以收集到，也需要花费大量的人力物力。而且即使有海量的数据用于训练，也需要很多的时间。因此为了解决标注数据和训练时间的问题，可以考虑使用迁移学习。   所谓的迁移学习，就是将一个问题上训练好的模型通过简单的调整使其适用于一个新的问题，即只改变训练好的模型最后一层全连接层，而保留...
深度学习手记（二）之占位符Placeholder
星影L的博客
03-15 6168
TensorFlow是一种符号式编程，它里面有各种计算流图和变量，今天来介绍一种占位符，它的好处是可以避免生成大量常量来提供输入数据，提高了计算图的利用率。其实，今天介绍这个Placeholder占位符还有一个原因：就是使用它经常会出现下面问题： （1）ValueError: Cannot feed value of shape (2,) for Tensor ‘input_2:0’, whic...
深度学习手记（八）之PTB实现LSTM模型
星影L的博客
03-26 2471
  PTB（Penn Treebank Dataset）文本数据集是语言模型学习中目前最广泛使用的数据集。下面将使用它构建一个长短期记忆网络（LSTM）。本文中只讲相应的代码实现，而关于LSTM的理论可以阅读这篇文章——Understanding LSTM Networks。   下面是本次构建LSTM的示意图，从图中可知，输入的词向量维度为（20，35，650），这分别代表的是批次数（batch...
【深度学习手记】使用DNN训练与CNN训练对数据集的要求不一样，为什么CNN网络训练输入的数据需要4维的
向往有那么一天梦幻的步态识别落地，开花❀！
10-29 2465
当我将神经网络从DNN变为CNN之后，我发现我的模型无法训练了。我们以经典的Mnist数据来了解以下原因。
深度学习手记（七）之MNIST实现CNN模型
星影L的博客
03-26 3093
  手写字体识别是一个很好练习CNN框架搭建的数据集。下面简单讲述一下整个模型构建的思路：   整个模型通过两次卷积、两次亚采样以及两次全连接层，整个结构比较简单，也易理解。其中，两次卷积层的大小都为5x5，过滤器分别为32和64个，为了不改变图片的大小，设置padding参数为“same”，步长为1，激活函数为Relu；两次亚采样层（Pool）的大小都为2x2，步长设为2，以至于图片尺寸缩小一倍...
深度学习手记（一）之会话操作
星影L的博客
09-27 1561
Tensorflow中，如何使用会话（session）来执行定义好的运算。import tensorflow as tf # 创建一个会话。 sess = tf.Session() # 使用这个创建好的会话来得到关心的运算的结果 sess.run(...) # 关闭会话释放本次运行的资源 sess.close()使用这种模式时，在所有计算完成之后，需要明确调用Session.close函数来关闭会...
【Matlab学习手记】二次多项式曲面拟合
热门推荐
Taosy
09-14 4万+
二次多项式曲面公式 总共有6个系数。 绘制曲面图形时，一般给定x和y的取值（一维数组），然后对x和y网格化成二维数组X和Y，将X和Y代入公式，即可得到曲面的数值，最后用surf函数显示。 实例 给定一个二次多项式模型，然后成图 x = 0.1 : 0.1 : 5; y = 0.1 : 0.1 : 5; [X, Y] = meshgrid(x, y); ...
【Matlab学习手记】二维高斯曲面拟合法定位光斑中心
Taosy
06-02 1万+
1. 高斯曲面拟合法原理 终端探测器探测到的光斑灰度分布函数可近似看做高斯分布，因此可以通过二维高斯函数进行拟合，模型表示为： 效果图： 为了方便计算，做一步变换，两边取对数，得到： 展开并进一步变形为： 求解问题变为二元二次多项式拟合问题。 2. 问题解法 此问题一般基于最小二乘来求解，这里提供两种思路，第...
深度学习手记（六）之实现稀疏自编码算法（SAE）的优化过程
星影L的博客
05-11 1万+
简单介绍自编码算法（SAE） 首先，自编码算法是一种无监督算法，可以自动从无标注数据中学习特征，可以给出比原始数据更好的特征描述。当然，这是利用了自编码的一种属性：稀疏性，因为具有稀疏性，完成了特征的自动选择而不是采用随机的方式，这种方式明显要靠谱一些。就跟主成分分析方法（PCA）类似，自动完成了降维的过程。自编码器要求输出尽可能等于输入，从公式也可以看出来。 并且它的隐藏层必须满足一定...
【文档智能】文本文字识别、公式识别、表格文字识别核心算法及思路及实践-DBNet、CRNN、TrOCR
余俊晖，NLP炼丹师，目前专注自然语言处理领域研究。曾获得国内外自然语言处理算法竞赛TOP奖项近二十项。
10-13 855
OCR技术作为文档智能解析链路中的核心组件之一，贯穿整个技术链路，包括：文字识别、表格文字识别、公式识别，参看下面这张架构图：前期介绍了很多关于文档智能解析相关核心技术及思路，本着连载的目的，本次迎来介绍整个链路中的最后一块拼图-OCR。本文简要介绍OCR常见落地的算法模型-DBNet、CRNN，并基于这两个模型，简单介绍文字识别在表格识别中参与的角色；并且额外介绍TrOCR这个端到端的模型，基于这个模型引入公式识别解析的思路及微调方法。
深度学习 .exp()
最新发布
2302_79865304的博客
10-13 75
在 MXNet 中，.exp()是ndarray对象的方法，用于计算数组中每个元素的指数（e 的幂）。此方法适用于所有类型的ndarray，并返回一个新的数组，其中每个元素都是相应输入元素的指数。
LeNet-5（论文复现）
wei_shuo的博客
10-11 1028
LeNet-5（论文复现）
《人工智能（AI）和深度学习简史》
JellyAI的博客
10-08 1611
FLUX.1 (2024)：Black Forest Lab 推出了FLUX.1，这是一个先进的扩散模型，用于AI图像生成，具有出色的速度、质量和对提示的响应能力。1969年，XOR问题暴露了感知器（单层神经网络）的局限性。• GPT (2018)：生成式预训练Transformer（Generative Pre-trained Transformer），由OpenAI提出，是一个自回归的、仅使用解码器的Transformer模型，专注于预测文本序列中的下一个单词，展现了出色的语言理解和生成能力。
《深度学习》LSTM 长短期记忆网络 结构及原理解析
wx_AHao1004Y的博客
10-09 1307
LSTM网络，全称长短期记忆网络（Long Short-Term Memory network），是一种特殊的循环神经网络（RNN）架构，大部分与RNN模型相同，但它们用了不同的函数来计算隐状态h，旨在解决传统RNN在处理长序列数据时遇到的梯度消失或梯度爆炸问题。LSTM网络通过引入自循环的巧妙设计，使得信息能够在网络中长期保留或遗忘，从而能够捕获长距离的时间依赖关系。
UM-Net: 重新思考用于息肉分割的ICGNet，结合不确定性建模|文献速递-基于多模态-半监督深度学习的病理学诊断与病灶分割
weixin_38594676的博客
10-10 981
为了解决这些新出现的瓶颈，我们进一步扩展了原有的ICGNet，提出了一个综合且有效的网络（UM-Net），并通过实验验证了其具有显著的实际价值。在本工作中，给定两个输入 𝑋1 𝑎 和 𝑋2 𝑏，将 𝑋2 𝑏 的颜色 𝑏 转换到 𝑋1 𝑎，得到新的输入 𝑋1 𝑏，然后输入到分割网络 𝐹𝑠𝑒𝑔 ( 𝑋1 𝑏 )。左侧列出消融实验的各个子模块，右侧为各子模块对应的Dice分数及95%置信区间，中间为它们的可视化结果，其中菱形代表每个子模块的Dice分数，连接菱形的水平线表示该分数置信区间的上下限。
卷积的计算——nn.Conv2d（Torch.nn里的Convolution Layers模块里的Conv2d类）
2302_79795489的博客
10-10 447
张量：多维数组，用来表示数据（图像、视频等）通道：图像数据的一部分，表示不同的颜色或特征层通道只是张量的其中一个维度以一张RGB图像为例，该图像数据可以用一个三维张量（shape等于（C,H,W））来表示其中C表示通道数（对于RGB图像，C=3），H表示高度，W表示宽度再以一批64张图像组成的数据对象来看，它可以用一个四维张量（shape等于（N,C,H,W））来表示其中N表示批次大小（一批次图像的数量）
【新闻文本分类识别】Python+卷积神经网络算法+人工智能+深度学习+算法模型+文本处理
子午的博客
10-13 188
文本分类识别系统。本系统使用Python作为主要开发语言，首先收集了10种中文文本数据集（“体育类”, “财经类”, “房产类”, “家居类”, “教育类”, “科技类”, “时尚类”, “时政类”, “游戏类”, “娱乐类”），然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练，最后得到一个识别精度较高的模型，并保存为本地的h5格式。然后使用Django开发Web网页端操作界面，实现用户上传一段文本识别其所属的类别。
从0开始深度学习（7）——线性回归的简洁实现
立志成为炼丹师？
10-10 743
直接使用torch自带的神经网络中的全连接层，全连接层和线性回归模型都使用线性变换来生成输出，所以可以用全连接层来实现线性回归# 第一个参数是输出的特征形状，第二个是输出的特征形状# 因为我们的w是个二维向量，所以这里的形状是2之前是手写的，这里我们可以直接使用torch自带的# 定义损失函数#定义优化算法#第一个参数是指，返回所有需要更新的参数，第二个是学习率。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值