![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 93
风信子的故事
这个作者很懒,什么都没留下…
展开
-
神经网络---卷积神经网络CNN
卷积神经网络(CNN)是一种高效的深度学习架构,用于图像和视频识别、分类等任务。CNN通过局部连接、权重共享和自动特征提取等特点减少模型复杂度并提高计算效率。它在商业领域有广泛应用,如图像识别、医学图像分析、人脸识别等。Python中的深度学习框架如TensorFlow、Keras等.原创 2024-05-31 21:09:42 · 1021 阅读 · 0 评论 -
神经网络-------人工神经网络
人工神经网络(英语:Artificial Neural Network,ANN),简称神经网络(Neural Network,NN)或类神经网络,是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)的结构和功能的数学模型,用于对函数进行估计或近似。原创 2024-05-31 20:48:44 · 671 阅读 · 0 评论 -
全连接神经网络和卷积神经网络的区别
卷积神经网络也是通过一层一层的节点组织起来的。和全连接神经网络一样,卷积神经网络中的每一个节点就是一个神经元。在全连接神经网络中,每相邻两层之间的节点都有边相连,于是会将每一层的全连接层中的节点组织成一列,这样方便显示连接结构。而对于卷积神经网络,相邻两层之间只有部分节点相连,为了展示每一层神经元的维度,一般会将每一层卷积层的节点组织成一个三维矩阵。 除了结构相似...原创 2019-02-16 10:06:15 · 25928 阅读 · 0 评论 -
理解 LSTM 网络 (Understanding LSTM Networks by colah)
原文链接: Understanding LSTM Networks前言:其实之前就已经用过 LSTM 了,是在深度学习框架 keras 上直接用的,但是到现在对LSTM详细的网络结构还是不了解,心里牵挂着难受呀!今天看了 tensorflow 文档上面推荐的这篇博文,看完这后,焕然大悟,对 LSTM 的结构理解基本上没有太大问题。此博文写得真真真好!!!为了帮助大家理解,也是怕日后自己对这些有...转载 2019-02-18 11:58:34 · 877 阅读 · 0 评论 -
交叉熵作为损失函数在神经网络中的作用和几种常用的交叉熵损失函数
交叉熵的作用 通过神经网络解决分类问题时,最常用的一种方式就是在最后一层设置n个输出节点,无论在浅层神经网络还是在CNN中都是如此的,比如,在AlexNet中最后输出层有1000个节点。一般情况下,最后一个输出层的节点个数与分类认为的目标数相等。假设最后节点数为N,那么对于每一个样例,神经网络可以得到一个N维的数组作为输出结果,数组中的每一个维度对应一个类别,在理想的情况下,如果一个样...原创 2019-02-18 21:04:23 · 3279 阅读 · 0 评论