《Python深度学习》学习笔记

最新推荐文章于 2022-02-10 22:07:08 发布
最新推荐文章于 2022-02-10 22:07:08 发布
阅读量78 收藏
点赞数
分类专栏： 笔记
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/Z_jasmin/article/details/120685772
版权

1.什么是深度学习?
深度学习是机器学习与人工智能、图形化建模、优化、模式识别和信息处理等技术融合后产生的一个领域。

2.有监督学习和无监督学习
深度学习使用多层机器学习模型对数据进行有监督学习或者无监督学习。

  • ［1］有监督学习
    训练的数据包含已知的结果。模型相对于这些结果进行训练。
  • ［2］无监督学习
    训练结果不包含任何已知的结果。算法自行发现数据中联系。
    说明：来自《Python深度学习》英 尼格尔.刘易斯
Z_jasmin
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
《python深度学习》学习笔记
Chloris_的博客
04-27 1242
《python深度学习》 第一章： 参数化，先随机设置权重，通过损失函数来反向传播信息，对设置的权重进行调整。 第一章简要的介绍了关于深度学习、机器学习的由来与争议，从概念上对深度学习进行了简要的解释，简单的描述了深度学习的核心所在。 第二章： 简要介绍关于深度学习的基本的数学概念、 张量（输入网络的数据存储对象）、张量运算（层的组成要素）和梯度下降（可以让网络从训练样本中进行学习）0D张量是仅包含一个数字——标量，1D张量是向量，2D张量是矩阵（张量是轴的...
python深度学习学习笔记
qq_24208545的专栏
03-08 322
一.什么是深度学习： 1. 人工智能，机器学习，深度学习的关系： 深度学习是机器学习的一个分支领域：它是从数据中学习表示的一种新方法，强调从连续 的层（layer）中进行学习，这些层对应于越来越有意义的表示。“深度学习”中的“深度”指 的并不是利用这种方法所获取的更深层次的理解，而是指一系列连续的表示层。数据模型中 包含多少层，这被称为模型的深度（depth）。这一领域的其他名称包括...
深度学习Python学习笔记(一)
吉锋涛的博客
12-07 372
我们都知道电路设计上是有一定的逻辑性，最基本的就是门电路单元。无论是与、非、或门，最终都会输出一个1（是）或0（不是）的值。然后我们从生物的角度看神经网络，神经网络的最基础单元就是神经元，当神经元接收到刺激信号并能够做出相应的应激性反应。我们可以将神经元信号分为传递或是不传递。 概念引入 有时可能一个神经元会接收到多个刺激，那么如何去判别神经元需要做出什么...
Python深度学习--学习笔记（十三）
yuan_1520的博客
08-04 195
用LSTM层编写辨别imdb评论正负面模型 上一节，我们提到了RNN已经RNN在keras中最简单的层SimpleRNN。但SimpleRNN由于过于简化，没有实用价值。 实际上，它不可以学到长期依赖。原因在于梯度消失问题，当运用比较多的非循环层时，而让网变得无法训练。同样的问题其实也普遍发生在密集连接层。 今天介绍的LSTM（long short-term memory）层，也是RNN层中的一种...
《python深度学习》笔记整理
追风人的博客
06-11 408
电影二分类问题 通常需要对原始数据进行大量预处理，以便将其转换为张量输入到神经网络中。单词序 列可以编码为二进制向量，但也有其他编码方式。 带有 relu 激活的 Dense 层堆叠，可以解决很多种问题（包括情感分类），你可能会经 常用到这种模型。 对于二分类问题（两个输出类别），网络的最后一层应该是只有一个单元并使用 sigmoid 激活的 Dense 层，网络输出应该是 0~1 范围内的标量...
《Python深度学习》读书笔记（一）
RedValkyrie的博客
03-24 606
1.1　人工智能、机器学习与深度学习 对于一个如下的分类的问题，我们使用一个非常简单的线性函数就可以将这两个类别分开： 但如果是对于如下一个分类问题，我们无法使用线性分类器就将这个划分开来，但是我们可以使用两层的线性分类就可以将其分开，具体怎么做呢： 具体做法如下：比如我们都学习过AND逻辑，我们通过写出它的逻辑表以及图形，可以看出AND逻辑它可以被线性分类： 同时我们也学习过OR逻辑，同样...
python深度学习最详细学习笔记.pdf
08-16
Python 深度学习最详细学习笔记 Python 深度学习笔记是深度学习领域的详细学习笔记，涵盖了深度学习的基础知识、TensorFlow 框架的介绍、神经网络的实现等方面的内容。本笔记全面systematically 介绍了深度学习的...
python深度学习代码和数据集_深度学习Python_
10-04
总的来说，这个资料包提供了一个全面的平台，让你能够动手实践Python深度学习。通过研究代码、阅读HTML文档并尝试在不同数据集上运行，你可以逐步掌握深度学习的核心概念和技术。记得，深度学习是一个迭代的过程，...
python深度学习入门笔记全面总结！！（持续更新）
咸鱼代码屋
05-11 1740
前言 之前有过断断续续地学习深度学习的经历 对深度学习有一定的了解 包括激活函数，损失函数，卷积，池化这种基本概念 对CNN，RNN，ResNet都有一定的了解 去年参加的项目里还和队友一起做了个基于CNN的智能搜索引擎 （没记错的话还花里胡哨地用了点jieba分词） 不过当时才刚刚大二，知识体系漏洞很大，项目全靠带 现在再翻翻当时的源码都得费好大劲才能回想起来在写什么。。。 而想想自己到底学了点什么深度学习，又很难系统地总结出来，东一榔头西一棒，确实很多片面的知识点都会些，但又不深入 所以以此契机我决定从
《Python深度学习》读书笔记：第1章 什么是深度学习
weixin_44850744的博客
02-10 1552
目录 第1章 什么是深度学习 1.1 人工智能、机器学习与深度学习 1.1.1 人工智能 1.1.2 机器学习 1.1.3 从数据中学习表示 1.1.4 深度学习之“深度” 1.1.5 用三张图理解深度学习的工作原理 1.1.6 深度学习已经取得的进展 1.1.7 不要相信短期炒作 1.1.8 人工智能的未来 1.2 深度学习之前：机器学习简史 1.2.1 概率建模 1.2.2 早期神经网络 1.2.3 核方法 1.2.4 决策树、随机森林与梯度提升机 1.2.5 回到神经.
《python深度学习》学习笔记与代码实现（第五章）
qq_41718518的博客
03-19 2675
python深度学习第五章-深度学习用于计算机视觉 5.1 卷积神经网络简介 首先，让我们来实际看看一个非常简单的convnet示例。我们将使用我们的convnet对mnist数字进行分类，这是您在第2章中已经完成的一项任务，使用了一个紧密连接的网络（当时我们的测试精度为97.8%）。即使我们的convnet非常基础，它的准确性会超过第二章密集型连接网络 下面的6行代码向您展示了一个基本的conv...
《python深度学习》学习笔记与代码实现（第八章：8.1，8.2，8.3）
qq_41718518的博客
05-14 1261
《python深度学习》第八章：生成式深度学习 8.1 使用LSTM生成文本 给定一个序列，预测下一个或多个标记的概率，从而生成之后的序列 给定前面的标记，能够对下一个标记的概率进行建模的任何网络都叫做语言模型 8.1.1 生成式循环网络简史 8.1.2 如何生成序列数据 8.1.3 采样策略的重要性 （以上几小节都不太重要，了解即可） 8.1.4 实现字符级别的LSTM文本生成 # 准备下载语料...
《python深度学习》学习笔记与代码实现（第六章，6.1处理文本数据）
qq_41718518的博客
04-27 966
《python深度学习》第六章深度学习用于文本和序列 6.1 处理文本数据 自然语言处理的应用：文档分类，情感分析，作者识别甚至问答 处理文本数据，就是将其转换成数值张量，即文本向量化 # one_hot编码 # 独热编码，是处理文本最常用的编码方式 # one-hot编码简单示例 # 单词级别的one-hot编码 import numpy as np samples = ['the cat...
《python深度学习》学习笔记与代码实现（第三章）
qq_41718518的博客
02-28 6794
第三章 神经网络入门 1.神经网络剖析 1.1 层：深度学习的基础部件 5层神经网络，8层神经网络，等等 1.2 模型：层构成的网络 深度学习的模型时层构成的有向无环图。最常见的例子就是层的线性堆叠，将单一输入映射为单一输出 1.3 损失函数与优化器：配置学习过程的关键 损失函数：在训练过程中需要将其最小化，它能够衡量当前任务是否已经完成 优化器：决定如何基于损失函数对网络进行更新，它执行的是随机...
《python深度学习》学习笔记与代码实现（第一，二章）
qq_41718518的博客
02-21 1415
《python深度学习》学习笔记（一） 记录学习笔记，希望和大家一起交流学习，包括知识点的记录，自己的理解和相关代码。如有错误，欢迎指出 书本中代码均在jupyter notebook编辑，由于我不习惯用，所以我写的代码在ide中。 第一章:深度学习基础 介绍机器学习与深度学习相关背景知识，不过多赘述。 第二章：神经网络数据表示 1.初始神经网络–手写数字分类 用一个简单事例来初步了解神经网络 #...
Python 深度学习--学习笔记（一）
yuan_1520的博客
07-23 517
Python 深度学习--学习笔记（一） 编写mnist手写神经网络 首先导入数据，第一次导入时需要等待下载 from keras.datasets import mnist (train_images,train_labels),(test_images,test_labels) = mnist.load_data() train_images:训练需要的图片  &nbsp...
嵌入式系统开发：深入理解信号机制及其在进程通信中的应用
08-24
这篇文件是一份关于嵌入式系统中信号机制的详细介绍，它不仅涵盖了信号的基本概念和特性，还深入探讨了信号的基本操作和应用场景。信号是软件中断的一种模拟，它允许异步进程中断正在运行的进程，以处理突发事件。这种机制对于嵌入式系统尤为重要，因为它可以确保系统对外部事件做出快速响应。 文档首先解释了信号的异步通信特性，即进程无需等待信号的到来，也无法预知信号何时到达。接着，它详细介绍了信号的命名规则和如何在Linux系统中查看信号与数字编码的对应关系。例如，使用命令kill -l可以列出所有信号及其对应的数字编码。 进一步，文档列举了产生信号的几种情况，包括用户操作、硬件异常、软件异常、调用kill函数和运行kill命令。每种情况下，文档都提供了详细的解释和示例，帮助读者理解信号是如何在不同情境下产生的。 文档还介绍了进程收到信号后的几种处理方式：忽略信号、执行系统默认动作或自定义信号处理函数。特别强调了SIGKILL和SIGSTOP信号不能被忽略，因为它们提供了一种可靠的进程终止方法。
资源androidioswinOpenOpenCV3.4.7
最新发布
08-24
资源androidioswinOpenOpenCV3.4.7提取方式是百度网盘分享地址
java源码资源学生成绩系统(图形界面)
08-24
java源码资源学生成绩系统（图形界面）提取方式是百度网盘分享地址
Kera之父Python深度学习笔记
08-31
很抱歉，没有找到和"Keras之父Python深度学习笔记"相关的引用内容。Keras是一种流行的深度学习框架，它由François Chollet于2015年创建。Keras提供了一种简洁而灵活的方式来构建和训练神经网络模型。它是基于Python...
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