深度学习入门计划第九周

最新推荐文章于 2024-07-19 16:50:04 发布
最新推荐文章于 2024-07-19 16:50:04 发布
阅读量91 收藏
点赞数
文章标签： 深度学习
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/131632839
版权

深度学习入门计划第九周

学习时间

入门第九周：2023.7.2-2023.7.9

本周进度

  1. 完成项目支付相关功能开发
  2. 学习完成李沐老师的视频，对应书14、15章

遇到问题

  1. 迟迟没有得到项目支付接口
  2. 对于词嵌入以及BERT理解不够深入

下周计划

  1. 复习本书
  2. 完成后台管理功能的搭建
Twenrr
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
深度学习入门计划第十七周
Twenrr的博客
09-03 73
入门第十七周：2023.8.28-2023.9.3。
深度学习六周入门计划第五周
Twenrr的博客
06-11 112
入门第五周：2023.6.4-2023.6.11。
深度学习六周入门计划第三周
Twenrr的博客
05-28 142
入门第二周：2023.5.22-2023.5.28。
深度学习六周入门计划第四周
Twenrr的博客
06-04 89
入门第四周：2023.5.29-2023.6.4。
【OUC深度学习入门】第2周学习记录：卷积神经网络基础
？？的博客
07-19 1363
卷积神经网络基础
第1周学习：深度学习入门和pytorch基础
WKX_5的博客
07-13 762
深度学习入门和pytorch基础：深度学习概要 + pytorch基础 + 螺旋数据分类
吴恩达-深度学习入门-第一周课后测验题
qq_41135496的博客
08-04 2107
吴恩达深度学习入门课程第一周课后测验题
吴恩达-深度学习入门-第二周课后测验题
qq_41135496的博客
08-08 841
吴恩达深度学习入门第二周测验题
深度学习入门篇，简单的实例讲明白图像分类。
AI浩
10-28 7548
深度学习和 Python 开始 摘要 使用 Keras 训练您的第一个简单神经网络不需要很多代码，但我们将开始缓慢，一步一步地进行，确保您了解如何在自己的自定义数据集中培训网络的过程。 我们今天将涵盖的步骤包括： 安装 Keras 和其他对系统的依赖 从磁盘中加载数据 创建您的训练和测试拆分 定义您的 Keras 模型架构 编译您的 Keras 模型 根据培训数据培训模型 根据测试数据评估您的模型 使用训练有素的 Keras 模型进行预测 我还包括一个额外的部分，培训你的第一个凸起神经网络。 这似乎是很
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...
吴恩达深度学习第二课第一周作业
03-25
【吴恩达深度学习第二课第一周作业】是深度学习领域的入门实践，由著名人工智能专家吴恩达教授指导。这周的作业主要涵盖了深度学习的基础概念和应用，旨在帮助学习者掌握神经网络的基本构建和训练过程。作业包含了...
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...
吴恩达深度学习课程第一课第二周datasets和lr_utils
04-24
在吴恩达的深度学习课程中，第一课的第二周主要关注的是逻辑回归与神经网络思维的结合。在这个阶段，学生们会接触到两个关键的工具：`datasets`和`lr_utils.py`。这两个工具在实现逻辑回归模型时起着至关重要的作用...
吴恩达老师在course上开设了一门深度学习的课程的作业
12-28
4. **逻辑回归（Logistic Regression）**: 从文件名"logistic"可以推测，这次作业可能涉及的是逻辑回归，这是深度学习入门中常遇到的第一个模型。它虽然不是一个深度学习模型，但作为线性分类器，是理解神经网络前向...
13 循环神经网络—序列模型，语言模型
kaszxc的博客
07-16 122
时序模型中，当前数据跟之前观察到的数据相关自回归模型使用自身过去数据来预测未来马尔科夫模型假设当前只跟当前少数数据相关，每次都使用固定长度的过去信息来预测现在，从而简化模型潜变量模型使用潜变量来概括历史信息，使得模型拆分成两块：一块是根据现在观测到的数据来更新潜变量；另一块是根据更新后的潜变量和过去的数据来更新将来要观测到的数据内插法（在现有观测值之间进行估计）和外推法（对超出已知观测范围进行预测）在实践的难度上差别很大。
【深度学习】PyTorch框架(6)：GNN图神经网络理论和实践
最新发布
MUKAMO的博客
07-19 763
本文深入探讨了神经网络在图结构数据处理中的应用，介绍了图的邻接矩阵和边列表表示方法，以及图卷积网络（GCN）和图注意力网络（GAT）的实现。实践表明，图信息对提升预测模型性能至关重要，GNNs在社交网络、生物信息学、交通优化和推荐系统等领域具有巨大潜力，未来在AI领域将扮演更重要角色。
卷积加速算法img2col、Winograd、FFT
qq_56047026的博客
07-16 847
空间域中矩阵的卷积算子，实际等于频率域中两个矩阵元素相乘。但卷积的方向是相反的。通常情况下，feature的尺寸要比卷积的尺寸大很多，如果对两者进行快速傅里叶变换的话，得出来的两个矩阵大小不一样，不能进行对应位置相乘。为了可以让他们对应位置相乘，必须要对卷积核进行扩充，将其扩充到feature尺寸大小相同。也正是扩充过程，限制了方法的使用，只有当feature尺寸和卷积核尺寸大小差不多的时候，才会采用这种方法。通常有三种卷积方式：full、same、valid。
深度学习Day-25：Inception-V1算法实战与解析
m0_51359915的博客
07-16 830
Inception v1是一种深度卷积神经网络，该网络的最大特点是使用了Inception模块，该模块通过多种不同的卷积核来提取不同大小的特征图，并将这些特征图拼接在一起，从而同时考虑了不同尺度下的特征信息，提高了网络的准确性和泛化能力。在Inception v1中，Inception模块一般由1x1、3x3和5x5的卷积层以及一个最大池化层组成，同时还会在最后加上一个1x1的卷积层来减少通道数，从而避免参数过多的问题。
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...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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