深度学习第四周学习周报

最新推荐文章于 2024-07-25 22:26:10 发布

coderxiacheng

最新推荐文章于 2024-07-25 22:26:10 发布

阅读量204

点赞数

文章标签：深度学习学习人工智能

本文链接：https://blog.csdn.net/Xiachengggg/article/details/131032465

版权

学习时间：

2023.5.29-2023.6.4

学习目标：

学习《动手学深度学习pytorch》第二、三、四、五章
学习matplotlib

完成学习内容：

学习《动手学深度学习pytorch》第二、三、四、五章
学习matplotlib

学习情况：

完成 matplotlib 视频学习，并参考文档笔记进行代码练习
根据电子文档及其他教程完成环境搭建
李沐老师的深度学习视频学习到预测房价竞赛总结
前五章学习概念，理解代码，尝试复现部分代码

遇到问题

概率部分有些公式有点不好理解
代码实现时有些函数没有见过，需要查阅后理解用法

下周学习计划

学习《动手学深度学习pytorch版》第六、七、八，九章
完成实践项目，学习经典的卷积网络和循环神经网络

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

coderxiacheng

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
深度学习第四周学习周报

学习周报
复制链接

扫一扫

李沐动手学深度学习 每周学习汇报 2021/11/8

Lordnow的博客

11-08

587

03 安装前言之前我一直使用的是Windows+Ubuntu20.04双系统，虽然Linux系统可能更适合做编程，但是因为读研也并不是纯编程，也需要处理其他很多事情，所以往往也需要用到Windows系统，平时使用的时候就在两者之间来回切换，渐渐感觉十分不方便。后来，我把电脑重开做成了Win11单系统。作为一名程序猿，只有Windows系统，可能是不够的。于是在目前的时点，我有几个选择：一是VMare虚拟机，二是云端服务器（比如Colab、kaggle、AWS等)，三是WSL。这次汇报...

第四周学习周记

weixin_54826115的博客

03-31

第四周学习周记——CSS 1.边框我们使用 border-style来定义边框的样式。 none: 默认没有边框 dotted: 点线边框 dashed: 虚线边框 solid: 实线边框 double: 两个边框 groove: 3D沟槽边框 ridge: 3D脊边框 inset: 3D嵌入边框 outset: 3D突出边框其中，3D边框的效果都是由边框的颜色值控制。我们使用 border-width 设定边框的宽度。我们可以使用特定的值来设计边框的宽度，而值的单位可以是px, pt, cm,

参与评论您还未登录，请先登录后发表或查看评论

【学习周报】深度学习笔记第六周

qq_53348781的博客

11-04

822

第二周深度卷积网络：实例探究（Deep convolutional models: case studies）

【学习周报】深度学习笔记第七周

qq_53348781的博客

11-11

400

第一周循环神经网络（Recurrent Neural Networks） 1.1 常见的序列模型 1.2数学符号（Notation） 1.3 循环神经网络模型（Recurrent Neural Network Model） 1.4 通过时间的反向传播（Backpropagation through time） 1.5 不同类型的循环神经网络（Different types ofRNNs） 1.6 语言模型和序列生成

软件学院本科实习&毕业设计（论文）周报-乐远-第32周1

08-04

这表明他在实践中不断深化对自然语言处理和深度学习的理解，逐步完善毕业设计项目。通过以上分析，我们可以看出乐远同学在实习期间正专注于自然语言处理的关键技术，包括词向量的训练、神经网络的应用以及实体识别...

2019-01-第四周1

08-04

在给定的文件信息中，我们看到了一个关于计算机视觉领域的工作周报，主要涉及了SSD（Single Shot MultiBox Detector）深度学习模型的使用和程序框架的构建。SSD是一种用于目标检测的深度学习模型，它能一次性预测...

软件学院本科实习&毕业设计（论文）周报-乐远-第34周1

08-04

4. **超参数调整**：在训练神经网络时，乐远尝试了不同的学习率、batch size和隐藏层状态(hidden states)，这是深度学习中的超参数调优。学习率控制了权重更新的速度，batch size决定了每次更新权重前处理的数据量，...

软件学院本科实习&毕业设计（论文）周报-乐远-第19周1

08-04

总结，乐远在第19周的工作主要集中在深入学习命名实体识别的理论和技术，包括RNN和LSTM等深度学习模型，以及在Theano和TensorFlow等框架下的实现。他还通过撰写开题报告和阅读论文，不断提升自己的研究能力和实践...

软件学院本科实习&毕业设计（论文）周报-乐远-第30周1

08-04

在本周的实习报告中，乐远同学主要集中在深入理解自然语言处理中的词向量表示以及实践深度学习模型的构建上。以下是对这些知识点的详细解释： 1. **词向量（Word2Vec）**： - **背景**：词向量是自然语言处理中的...

深度学习：目标检测的革命者

2401_85761003的博客

07-23

929

深度学习已经成为目标检测领域的重要驱动力，它通过强大的特征提取能力和端到端的学习方式，极大地提高了检测的准确性和效率。随着技术的不断进步，我们有理由相信深度学习将在目标检测中发挥更大的作用，推动相关行业的快速发展。注意：本文中的代码示例仅供参考，实际使用时请根据你的项目情况进行调整。如果你有任何问题或需要进一步的帮助，请随时联系我们。

小目标检测：深度学习中的微观挑战

2401_85341950的博客

07-23

553

在计算机视觉领域，小目标检测是一个具有挑战性的任务。小目标由于其在图像中占据的像素较少，常常难以被准确识别和定位。这一问题在交通监控、卫星图像分析、医学成像等领域尤为突出。本文将探讨小目标检测面临的主要挑战，并讨论一些流行的解决方案和代码示例，以帮助读者更好地理解这一领域的技术难点。

【深度学习】大模型GLM-4-9B Chat ，微调与部署(3) TensorRT-LLM、TensorRT量化加速、Triton部署

q742971636的博客

07-25

1828

TensorRT-LLM官方目前说在v0.12.0版本才会支持GLM-4-9B Chat ，下面以v0.10.0的魔改来做GLM-4-9B Chat的量化部署。本文目标就是加速GLM-4-9B Chat，看看能多快。A100卡。

【深度学习】决策树的引入与应用

qq_73301283的博客

07-25

1008

在线性模型中，对于一个拥有i个属性的数据集我们通过构造yWXWwb∗Xx1;x2;...;xi根据均方方差最小化或者对数几率最大化来进行线性回归或者对数几率回归来确定W，得到模型从而模拟得到输出y与数据集X的线性关系，其中对数几率回归由于输出的是概率因此被用作分类任务的一部分。而线性判别分析通过类间散度矩阵Sb和类内散度矩阵Sw拟合一个目标函数使得Sb和Sw的广义瑞利商最大，最后求得W。

多种类动物智能识别系统：基于深度学习的UI界面与YOLO模型实现

a871923942的博客

07-24

1167

多种类动物智能识别系统：基于深度学习的UI界面与YOLO模型实现

05 循环神经网络

最新发布

weixin_43490087的博客

07-25

1085

介绍了循环神经网络RNN的概念，以及简单循环神经网络SRN、长程依赖问题、RNN的架构及参数学习，还介绍了基于门控的循环神经网络和深层循环神经网络。

深度学习之基于Pytorch框架的Unet分割模型搭建学习

保持分享欲

07-24

1046

自2015年诞生以来，U-Net便以其卓越的性能在生物医学图像分割领域崭露头角。作为FCN的一种变体，U-Net凭借其Encoder-Decoder的精巧结构，不仅在医学图像分析中大放异彩，更在卫星图像分割、工业瑕疵检测等多个领域展现出强大的应用能力。U-Net是一种常用于图像分割的卷积神经网络架构，其特点在于其U型结构，包括一个收缩路径（下采样/编码器）和一个扩展路径（上采样/解码器）。这种结构使得U-Net能够在捕获上下文信息的同时，也能精确地定位到目标边界。

昇思25天学习打卡营第19天|DCGAN生成漫画头像

Xavier_F的博客

07-23

413

本实验成功实现了使用DCGAN生成动漫头像的任务，涵盖了数据处理、模型构建、训练和推理的全过程。通过对动漫头像数据集的分析，验证了DCGAN在图像生成任务中的有效性，为后续研究提供了基础和经验。实验展示了深度学习在图像生成中的应用潜力，并强调了数据处理与模型优化的重要性。

深度学习趋同性的量化探索：以多模态学习与联合嵌入为例

认知计算_茂森的博客

07-25

945

首先，我们定义了一个损失函数，它计算了每个数据点在联合嵌入空间中的位置与其理想位置之间的距离。这个距离是通过欧氏距离的平方来量化的。

编写一份CAD工程师第十五周周报

03-10

你好，以下是我的回答：本周工作总结： 1. 完成了客户提出的CAD图纸修改需求，并进行了测试和验收。 2. 参与了公司内部的CAD培训课程，学习了新的CAD技术和工具。 3. 协助同事解决了一些CAD软件使用中的问题。 4. 参与了公司的项目评审会议，就CAD设计方案进行了讨论和交流。 5. 继续学习了相关的CAD标准和规范，以提高自己的工作质量。下周工作计划： 1. 继续完成客户的CAD图纸修改需求，并进行测试和验收。 2. 学习并掌握更多的CAD技术和工具，以提高自己的工作效率。 3. 协助同事解决更多的CAD软件使用中的问题。 4. 参与公司的项目评审会议，为CAD设计方案提供更多的建议和意见。 5. 持续学习和遵守相关的CAD标准和规范，以确保自己的工作质量。