![](https://img-blog.csdnimg.cn/20210414150114421.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 93
简单介绍深度学习相关知识与论文笔记
angushuang17
这个作者很懒,什么都没留下…
展开
-
GANs(生成对抗网络)浅析
机器学习众多算法,经典如决策树,罗吉斯特回归等,以及近些年热火朝天的众多深度神经网络模型,其本质终究是分类器。2014年发表在人工智能顶会NIPS上的一篇文章《Generative Adversarial Networks》一举成名,在CV,NLP等众多领域都取得了突出性的成果。今天让我们一起来看下这一“神”算法究竟是如何工作的。目录1. 欢迎来“对抗”1.1 生成假数据1.2 鉴别假数据2. GAN的基本结构解析2.1 基本结构2.2 训练方式3. 相关理论推导3.1原创 2021-05-04 15:16:06 · 1495 阅读 · 1 评论 -
Seq2Seq 模型详解
在NLP任务中,我们通常会遇到不定长的语言序列,比如机器翻译任务中,输入可能是一段不定长的英文文本,输出可能是不定长的中文或者法语序列。当遇到输入和输出都是不定长的序列时,可以使用编码器-解码器(encoder-decoder)模型或者seq2seq模型。其基本思想是编码器用来分析输入序列,解码器用来生成输出序列。首先,来简单介绍下RNN(循环神经网络)结构:1. RNN 结构RNN结构RNN中,每个单元接受两个输入,一个是当前时间步输入的信息 XtX_tXt,另一个是上一个单元的隐藏层状态 H原创 2021-04-20 16:14:59 · 24167 阅读 · 5 评论 -
机器学习/深度学习中为什么要做特征归一化/标准化?
【转载自】深入探讨:为什么要做特征归一化/标准化?(如若侵权请联系删除谢谢)为什么?Feature scaling,常见的提法有“特征归一化”、“标准化”,是数据预处理中的重要技术,有时甚至决定了算法能不能work以及work得好不好。谈到feature scaling的必要性,最常用的2个例子可能是:特征间的单位(尺度)可能不同,比如身高和体重,比如摄氏度和华氏度,比如房屋面积和房间数,一个特征的变化范围可能是[1000, 10000],另一个特征的变化范围可能是[−0.1,0.2],在进行距离有转载 2021-03-21 16:06:01 · 2796 阅读 · 1 评论