深度学习_01_简介&安装配置

最新推荐文章于 2021-06-05 11:47:47 发布
最新推荐文章于 2021-06-05 11:47:47 发布
阅读量80 收藏
点赞数
分类专栏： # 深度学习&Tensorflow 文章标签： 深度学习 tensorflow cuda
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/bill2766/article/details/114004032
版权

简介

框架介绍

TensorFlow优势

  • GPU加成
  • 自动求导
  • 神经网络API
    • 全连接层、卷积层、LSTM……

开发环境安装

  • windows 10 and Ubuntu 16.04/18.04
  • Anaconda, Python 3.7
  • CUDA 10.0
  • TensorFlow 2.0
  • PyCharm

注意：

CUDA安装时：

取消安装Visual Studio Integratior

Display Driver安装的版本号高于当前版本号，否则取消勾选

小明2766
关注
专栏目录
Jetson_Nano_Carrier_Board_Design_Files_B01.zip
05-30
它能够在低功耗下运行复杂的深度学习模型，是DIY爱好者和初学者的理想选择。 2. **数据手册** 数据手册是理解Jetson Nano硬件特性和性能的关键文档，其中包括了处理器规格、内存配置、接口标准、电源管理等信息。...
moeldv_YJYCAIPN
03-17
1. `README.md` - 项目简介、安装指南和使用说明。 2. `requirements.txt` - 项目依赖的Python库或其他软件包。 3. `src/` - 源代码目录，包含Python脚本、Java类、JavaScript文件等。 4. `data/` - 存储训练数据、...
moeldv_6LE5SUBZ
04-01
2. **机器学习模型**：如果"moeldv"指的是模型，那么项目可能包含了一个机器学习模型的实现，可能用到了深度学习框架，如TensorFlow、PyTorch或者Keras。 3. **版本控制**：使用Git进行版本控制是现代软件开发的...
mosszhaodphil-ASL_Generator-archive-refs-heads-master.zip
最新发布
08-09
在实际应用中，这样的项目可能涉及计算机视觉技术，如图像处理、特征提取、机器学习（可能包括深度学习）等，用于识别手语并生成相应的手势。用户可以利用这个工具来开发交互式系统，例如为聋哑人提供沟通辅助的应用...
深度学习_06_2_神经网络与全连接层_全连接层&输出方式&误差计算
小明2766的博客
03-15 9909
06_2_神经网络与全连接层_全连接层&输出方式&误差计算 全连接层 deep learning最基本的层：全连接层，也就是线性层 Outline Matmul 矩阵形式 ->迭代到 Neural Network 神经网络结构 ->引入 Deep Learning 概念 ->最后实现一个 Multi-Layer Recap out = f(X@W+b) f为非线性因子，一般指relu函数或者SIGMOD函数 X@W+b h00=x00∗W00+x10∗W01+x20∗W
深度学习_09_1_过拟合与欠拟合&交叉验证
小明2766的博客
04-03 1147
09_1_过拟合与欠拟合&交叉验证 过拟合与欠拟合 数据真实模态（数据真实分布）Pr(θ)Pr(\theta)Pr(θ)，r表示real Scenario1: house price 横坐标是面积，纵坐标是价格。 根据数据图和人的经验来说，房价基本上是线性模型，因为房价=面积*倍数+偏置。 Scenario2: GPA 非线性模型，但是可以看出应该属于高斯分布（正态分布） The ground-truth distribution?(是事实的分布类型？) 在我们知道分布的类型（风格），只需要预
深度学习_07_2_随机梯度下降_激活函数及梯度&损失函数及梯度
小明2766的博客
03-31 871
07_2_随机梯度下降_激活函数及梯度&损失函数及梯度 激活函数及其梯度 Activation Functions(激活函数) 研究青蛙的神经元有多个输入，比如x0,x1,x2x_0,x_1,x_2x0​,x1​,x2​，它的中间结果是x0x_0x0​到x2x_2x2​的加权响应，而响应值并不是线性的输出，当响应值的和小于某个值，青蛙不会响应；当大于阈值，会输出固定的响应值。->由此推出阈值函数，它是阶梯函数，小于阈值不反应，大于阈值输出固定的响应。 Derivative(导数) 借用上面的
深度学习_03_分类问题_手写数字问题&体验
小明2766的博客
02-24 851
分类问题 Discrete Prediction（离散值的预测） [up,left,down,right]、[dog,cat,whale,…] ImageNet：包含1000种常见生活物体 Hand-written Digits Recignition(手写数字体识别) MNIST数据集 Image [28,28,1] 28行28列 -> [784] 每个像素点为0~255(灰度值) 彩色图片的话可能为[ 28 , 28 , 3(RGB)] 为了获得打平后的向量的值，变成一维的数值。后一行的数值
深度学习_10_5_ResNet,DenseNet&ResNet实战
小明2766的博客
06-05 627
10_5_ResNet,DenseNet&ResNet实战 ResNet深度残差网络 当堆叠更深的网络结构的时候，网络的性能并没有得到提升。每次计算梯度时δEδwij−>δk\frac{\delta E}{\delta w_{ij}}->\delta_kδwij​δE​−>δk​，δk\delta_kδk​算子是通过上一层算出来的，会渐渐产生误差的积累，也就会造成梯度离散（更多）和梯度爆炸的情况。也就是说前面的层数可以很好地更新，因为grad信息还算比较有效的；然后到最开始的几层后
深度学习_04_1_TensorFlow2基础_Tensor数据类型&创建Tensor
小明2766的博客
02-26 579
04_1_TensorFlow2基础_Tensor数据类型&创建Tensor Tensor数据类型 一些概念 Data Container（数据载体） list 优点：可以添加任何类型的数据 np.array tf.Tensor 和numpy类似，这是更适合GPU运算。 What’s Tensor? scalar（标量）：1.1 dimension = 0 vector（向量）：[1.1], [1.1,2.2, …] dimension = 1 matrix（矩阵）：[
深度学习_02_回归问题_线性回归&回归实战
小明2766的博客
02-23 538
回归问题 Machine Learning目标： 通过对数据的学习，对于新来的x给出符合实际情况的y 自然界的y有两种类型： discrete（离散的） continuous（连续的） Continuous Prediction(连续值预测) fθ(x)→yf_\theta(x) \rightarrow yfθ​(x)→y 给定x（输入的数据），在经过模型的结构f，以及模型的参数θ\thetaθ以后，能给出一个响应，这个响应就标记为fθ(x)f_\theta(x)fθ​(x)。我们希望它能逼近真实的
深度学习_08_2_模型加载与保存&CIFAR10自定义网络实战
小明2766的博客
04-03 535
08_2_模型加载与保存&CIFAR10自定义网络实战 模型保存与加载 Outline save/load weights 最干净、最轻量级，只保存参数，适用于自己有源代码的情况 save/load entire model 把所有的状态都保存起来 saved_model 模型的保存格式，和pytorch的ONNX对应，适用于交给工厂的生产环境时，直接部署，格式通用，python写的模型可以应用C++工作 1 save/load weights 例子：对于三层网络，只需要掌握[
深度学习_11_1_深度学习暂停
小明2766的博客
06-05 519
很抱歉，这次的深度学习课程笔记在这里（循环神经网络RNN）先告一段落了。 最近查询了许多数据相关的岗位，我打算先去学习有关机器学习的课程。关于深度学习，以后如果有空的话，我会继续学习滴！ ...
深度学习_10_2_卷积神经网络&池化与采样
小明2766的博客
05-11 483
10_2_卷积神经网络&池化与采样 2D Convolution 共享变量w、滑动窗口 接下来将卷积网络计算的具体流程 Kernel size 1个通道 多个通道：利用不同的w，3个w。 输入的c要与核的c保持一致。【b,5,5,c】与【c,3,3】 3个通道分别计算出结果后，再累加。得到【b,3,3,1】 2D Convolution 多个通道-》一个通道 Padding & Stride 需求：希望h’=h, w’=w。-》需要padding，上下左右都扩大一点。 Stride
深度学习_07_3_随机梯度下降_单输出&多输出感知机梯度&链式法则
小明2766的博客
03-31 476
07_3_随机梯度下降_单输出&多输出感知机梯度&链式法则 单输出感知机及其梯度 recap(回顾) 单层的感知机模型：每个输入节点xix_ixi​和它对应的wiw_iwi​节点相乘，加上bias得到预测值。图是数学模型。 Perception(感知) 单层感知机前面激活函数是不积函数（阶梯），不可导。目前使用sigmoid函数，用σ\sigmaσ表示。 规范化定义：输入层为第0层； x10x^0_{1}x10​，上标0表示第0层；这个1表示0~n，表示第0层一共有N个元素节点的第1个元素
深度学习_10_1_什么是卷积
小明2766的博客
05-09 461
10_1_什么是卷积 Feature maps(特征maps) 彩色图片 [b,h,w,3] 三个矩阵合在一起，这是最开始的feature map。 feature map是通用的概念，代表数据的feature。x经过层，得到新的x，再经过某一层，再得到新的x。所有中间具体的数据与Tensor都可以理解为feature map。 通用的格式：[b,h,w,c]，b张照片，h、w和c维度。这里的c可以不是3，是中间的结果（未知信息的抽象化），转化到特征上面去。channel的信息量变强，位置的信息量变短。
深度学习_07_1_随机梯度下降_梯度下降简介&常见函数梯度
小明2766的博客
03-16 448
07_1_随机梯度下降_梯度下降简介&常见函数梯度 Gradient Descent 梯度下降-简介 Outline What’s Gradient 什么是gradient What does it mean gradient代表了什么意思 How to Search 怎么搜索最小值 AutoGrad 怎么用TensorFlow搜索 What’s Gradient? 导数，derivative 高中学的导数一般来说是一维的，lim⁡x→valΔy\lim\limits_{x \rightar
深度学习_04_3_TensorFlow2基础_Broadcasting&数学运算&前向传播
小明2766的博客
03-12 404
04_3_TensorFlow2基础_Broadcasting&数学运算&前向传播 Broadcasting 本质上是一个张量维度扩张的手段 对某个维度上面重复n多次，但是没有真正的复制数据，和tf.tile不同。tile会重复n多次并且会真实的在数据上体现出来（复制数据）。 是一种优化的手段，呈现出数据已经被扩张了。 在X @ W+b上，[10]变成[b,10]的步骤就是broadingcast的步骤 Key idea 小维度先对齐，没有的插入维度 扩张成为相同的大小 例子： [1
实现小程序中的鱼类识别：Python深度学习模型
- Python版本选择：通常Python 3.x版本更适合深度学习项目，需要确保其安装和配置正确。 - PyTorch安装：作为流行的深度学习库，PyTorch需要按照项目需求安装对应版本，可以通过pip或conda进行安装。 - 环境配置文件...
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