深度学习入门计划第七周

已于 2023-07-02 19:03:39 修改
阅读量99 收藏
点赞数
文章标签： 深度学习 目标检测 人工智能
于 2023-06-25 15:50:47 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/Twenrr/article/details/131379486
版权

深度学习入门计划第七周

学习时间

入门第七周：2023.6.19-2023.6.25

本周进度

  1. 完成《动手学深度学习-pytorch》13章的学习。
  2. 整理项目相关架构，分析支付功能

遇到问题

  1. 目标检测算法理解的不够深入，还需要后续的复盘。

下周计划

  1. 学习《动手学深度学习 Pytorch 版》的第14、15章。
  2. 继续跟进项目
Twenrr
关注
【深度学习】第一课第四周实践
weixin_44003314的博客
06-06 396
【初始化参数】 在L层初始化参数中，可以采用初始化方法 # 初始化参数 2层神经网络 def initialize_parameters(n_x,n_h,n_y): """ 此函数是为了初始化两层网络参数而使用的函数。 参数： n_x - 输入层节点数量 n_h - 隐藏层节点数量 n_y - 输出层节点数量 返回： parameters - 包含你的参数
第一周：深度学习的实践
weixin_44495738的博客
07-30 375
第一周：深度学习的实践1.0 重点：1.1 训练 / 开发 / 测试集1.2 偏差 / 方差1.3 机器学习的Basic Recipe1.4 ⚠️ 正则化1.5 为什么正则化可以减少过拟合？1.6 Dropout正则化具体实现：(Inverted Dropout)1.7 理解Dropout1.8 其他正则化数据增强：Early Stopping：1.9 正则化输入(Normalizing)具体实现：1.10 梯度消失与梯度爆炸1.11 神经网络的权重初始化一个神经元的例子激活函数tanh时对wiw_iwi​
深度学习入门计划第十七周
Twenrr的博客
09-03 92
入门第十七周：2023.8.28-2023.9.3。
深度学习入门计划第十周
Twenrr的博客
07-17 101
入门第十周：2023.7.10-2023.7.16。
吴恩达深度学习deeplearning第五课第一周课后测验及编程作业（含答案）
03-04
在本课程中，吴恩达教授的深度学习课程进入了第五个模块，主要关注循环神经网络（RNN）和序列模型。这些技术在处理具有时间依赖性的数据，如语音识别、机器翻译、文本生成等任务中发挥着关键作用。在"第五课第一周...
吴恩达深度学习第一课第二周作业
03-25
【标题】：“吴恩达深度学习第一课第二周作业”涉及的是深度学习领域的基础课程，由著名的人工智能专家吴恩达（Andrew Ng）教授。吴恩达在Coursera等平台上的深度学习系列课程深受全球学员欢迎，其教学内容深入浅出...
吴恩达深度学习课程第一课第三周编程作业
02-11
这个压缩包文件“吴恩达深度学习课程第一课第三周编程作业”正是基于他的课程内容，旨在帮助学生理解和实践两层神经网络的构建与训练。 在这一编程作业中，你将接触到以下关键知识点： 1. **两层神经网络**：神经...
吴恩达深度学习系列课后作业系列7
06-12
这个名为"吴恩达深度学习系列课后作业系列7"的资源包含了他在深度学习系列课程中的第七周课后作业，旨在帮助学员深入理解TensorFlow的使用以及深度学习的相关概念。吴恩达作为全球知名的人工智能专家，他的课程覆盖...
吴恩达深度学习第一课第二周编程作业（包含lr_utils文件等）
04-04
在本压缩包中，我们关注的是吴恩达的深度学习课程中的第一课第二周的编程作业。吴恩达，作为全球知名的计算机科学家和人工智能专家，他的深度学习课程深受广大学习者喜爱，尤其对于初学者来说，是入门深度学习的重要...
深度学习中常见的损失函数
hallo128的博客
09-09 339
损失函数是衡量神经网络输出与真实标签之间差距的指标。在训练过程中，神经网络的目标是最小化损失函数的值。常见的损失函数包括均方误差（MSE）损失函数、交叉熵（Cross-Entropy）损失函数等。损失函数的选择取决于任务的需求和输出数据的类型。这些损失函数各有特点，适用于不同的场景和问题。在实际应用中，需要根据具体任务和数据集的特点来选择合适的损失函数。
【人工智能学习笔记】4_3 深度学习基础之循环神经网络
最新发布
RIKI_1
09-10 1241
是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursive neural network），循环神经网络具有短期记忆能力。
基于深度学习的自动化产品设计
weixin_42605076的博客
09-07 802
基于深度学习的自动化产品设计通过结合生成模型、强化学习和仿真技术，实现了产品设计流程的高效化和智能化。这种方法为工业、建筑、时尚等多个领域带来了创新的可能性，同时也面临着数据、效率和信任度等方面的挑战。随着深度学习技术的不断发展和成熟，自动化产品设计将在更多领域中发挥重要作用，并促进更智能、更创新的设计实践。
基于深度学习的结构优化与生成
weixin_42605076的博客
09-07 1371
基于深度学习的结构优化与生成技术通过自动生成和优化结构设计，为工程和工业应用带来了巨大的潜力。随着算法的不断改进和计算资源的增加，深度学习有望在未来推动结构设计的革命性变化，带来更高效、更创新的设计流程。
【深度学习】卷积神经网络与 LeNet
Douglas的博客
09-06 964
根据图6.6.1中的各层图示，可以很轻松地通过实例化Sequential得到。net = nn.Sequential( # LeNet模型。
DIAS：用于DSA序列中颅内动脉分割的数据集和基准|文献速递--基于深度学习的医学影像病灶分割
weixin_38594676的博客
09-06 904
对于弱监督的IA分割，我们提出了一种基于涂鸦学习的新型图像分割框架，该框架在涂鸦标签的指导下，采用交叉伪监督和一致性正则化来提高分割网络的性能。利用DIAS数据集，我们进行了全面的实验，验证了我们提出的方法的有效性，促进了对其性能特征的深入理解，并为未来的研究工作提供了有价值的见解。为了全面探索潜在的研究课题，我们提出了一个精心设计的IA分割基准，旨在通过全监督分割（FSS）、涂鸦学习分割（WSS）和自训练分割（SSS）对DIAS数据集进行全面评估，这些方法在医学图像分析领域正受到越来越多的关注。
深度学习基础--卷积的变种
wang6562009的专栏
09-06 1208
卷积变种简介
基于深度学习的信号滤波：创新技术与应用挑战
XU157303764的博客
09-09 1458
多尺度频域分析是一种将信号在不同频率尺度上进行分解和分析的方法。它通过使用特定的变换工具，如小波变换、多分辨率分析等，将信号分解为不同频率和时间尺度的成分。这种方法在多个领域都有着广泛的应用。在图像处理领域，多尺度频域分析可以用于图像去噪、边缘检测、图像压缩等。例如，通过小波变换可以将图像分解为不同尺度的小波系数，其中低频系数代表图像的大致轮廓和主要信息，高频系数则代表图像的细节和边缘信息。通过对不同尺度的系数进行处理，可以实现图像的去噪和增强。
深度学习——pycharm配置远程服务器（蓝耘GPU智算云）
2301_79815102的博客
09-09 895
pycharm配置远程服务器
深度学习入门指南：TensorFlow实战讲座
讲座的第一部分，即Lecture I - 深度学习介绍，会涵盖深度学习的起源、为什么要使用深度学习（相比于传统机器学习方法）、以及如何构建基本的深度学习模型。它可能还会讨论深度学习与传统机器学习的区别，比如神经...
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