深度学习
blexsantos
这个作者很懒,什么都没留下…
展开
-
动手学深度学习: 图像分类案例2,GAN,DCGAN
动手学深度学习: 图像分类案例2,GAN,DCGAN 内容摘自伯禹人工智能AI公益课程 图像分类案例2 关于整理数据集后得到的train、valid、train_valid和test数据集: 找到一组合适的超参数后,用train_valid重新训练网络 可以利用train数据集训练模型,通过观察在valid数据集上的损失与准确率来调整超参数 可以利用train数据集训练模型,通过观察在valid数...原创 2020-02-25 14:02:23 · 1226 阅读 · 0 评论 -
动手学深度学习:目标检测基础,图像风格迁移,图像分类案例1
动手学深度学习:目标检测基础,图像风格迁移,图像分类案例 内容摘自伯禹人工智能AI公益课程 目标检测基础 目标检测算法通常会在输入图像中采样大量的区域,然后判断这些区域中是否包含我们感兴趣的目标,并调整区域边缘从而更准确地预测目标的真实边界框(ground-truth bounding box)。不同的模型使用的区域采样方法可能不同。 这里介绍的方法:它以每个像素为中心生成多个大小和宽高比(asp...原创 2020-02-25 13:33:33 · 853 阅读 · 0 评论 -
动手学深度学习:批量归一化和残差网络;凸优化;梯度下降
动手学深度学习:批量归一化和残差网络;凸优化;梯度下降 内容摘自伯禹人工智能AI公益课程 批量归一化和残差网络 对输入的标准化(浅层模型) 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。 标准化处理输入数据使各个特征的分布相近 批量归一化(深度模型) 利用小批量上的均值和标准差,不断调整神经网络中间输出,从而使整个神经网络在各层的中间输出的数值更稳定。 1.对全连接层做批量归一化...原创 2020-02-25 12:55:09 · 403 阅读 · 0 评论 -
动手学深度学习:卷积神经网络,LeNet,卷积神经网络进阶
卷积神经网络基础 内容摘自伯禹人工智能AI公益课程 目录: 1、卷积神经网络的基础概念 2、卷积层和池化层 3、填充、步幅、输入通道和输出通道 1、卷积神经网络的基础概念 最常见的二维卷积层,常用于处理图像数据。 二维互相关运算 二维互相关(cross-correlation)运算的输入是一个二维输入数组和一个二维核(kernel)数组,输出也是一个二维数组,其中核数组通常称为卷积核或过滤器(fi...原创 2020-02-18 13:25:59 · 391 阅读 · 0 评论 -
动手学深度学习:机器翻译及相关技术,注意力机制与seq2seq模型,Transformer
动手学深度学习:机器翻译及相关技术,注意力机制与seq2seq模型,Transformer 内容摘自伯禹人工智能AI公益课程 初次学习机器翻译相关,把课程的概念题都记录一下。 目录: 1、机器翻译及相关技术 2、注意力机制与seq2seq模型 3、Transformer 1、机器翻译以及相关技术 1、关于Sequence to Sequence模型说法错误的是: A 训练时decoder每个单元输...原创 2020-02-18 13:25:43 · 1842 阅读 · 0 评论 -
动手学深度学习:梯度消失、梯度爆炸
动手学深度学习:梯度消失、梯度爆炸 内容摘自伯禹人工智能AI公益课程 目录: 梯度消失和梯度爆炸的基本概念 考虑到环境因素的其他问题 Kaggle房价预测# 梯度消失、梯度爆炸以及Kaggle房价预测 1、梯度消失和梯度爆炸的基本概念 1.1 梯度消失和梯度爆炸 深度模型有关数值稳定性的典型问题是消失(vanishing)和爆炸(explosion)。当神经网络的层数较多时,模型的数值稳定性容...原创 2020-02-16 14:31:33 · 470 阅读 · 0 评论 -
动手学深度学习:过拟合、欠拟合及其解决方案
动手学深度学习:过拟合、欠拟合及其解决方案 内容摘自伯禹人工智能AI公益课程 目录: 相关的基本概念 权重衰减 代码实现 丢弃法 代码实现 1、相关的基本概念 训练误差: 模型在训练数据集上表现出的误差。 泛化误差: 模型在任意一个测试数据样本上表现出的误差的期望,并常常通过测试数据集上的误差来近似。 欠拟合(underfitting): 模型无法得到较低的训练误差。 过拟合(overfitt...原创 2020-02-16 14:07:22 · 575 阅读 · 0 评论 -
动手学深度学习:线性回归和softmax回归
内容摘自伯禹人工智能AI公益课程 线性回归的基本要素 1、模型 线性回归假设输出与各个输入之间是线性关系,例如: price=warea⋅area+wage⋅age+b \mathrm{price} = w_{\mathrm{area}} \cdot \mathrm{area} + w_{\mathrm{age}} \cdot \mathrm{age} + b price=warea⋅area+...原创 2020-02-13 19:41:27 · 222 阅读 · 0 评论