深度学习
文章平均质量分 61
自动驾驶小学生
谢谢关注。代表作品:《Coursera自动驾驶课程24讲》:https://blog.csdn.net/cg129054036/category_10603636.html?spm=1001.2014.3001.5482
展开
-
从零开始学视觉Transformer (11):目标检测DETR-2
Vision Transformer打卡营原创 2021-12-25 12:30:30 · 1727 阅读 · 0 评论 -
从零开始学视觉Transformer (10):目标检测DETR-1
Vision Transformer打卡营原创 2021-12-25 12:29:43 · 1559 阅读 · 0 评论 -
从零开始学视觉Transformer (9):自监督ViT算法:BeiT和MAE
Vision Transformer打卡营原创 2021-12-22 22:39:16 · 1523 阅读 · 0 评论 -
从零开始学视觉Transformer (8):卷积和Transformer结合的ViT
Vision Transformer打卡营原创 2021-12-22 22:35:47 · 712 阅读 · 0 评论 -
从零开始学视觉Transformer (7):Swin Transformer-2
Vision Transformer打卡营原创 2021-12-22 22:33:11 · 228 阅读 · 0 评论 -
从零开始学视觉Transformer(5):如何训练ViT模型、DeiT算法解析
Vision Transformer打卡营原创 2021-12-22 22:24:56 · 1194 阅读 · 0 评论 -
从零开始学视觉Transformer(6):Swin Transformer-1
Vision Transformer打卡营原创 2021-12-22 22:29:13 · 324 阅读 · 0 评论 -
从零开始学视觉Transformer(4):ViT模型全流程解析
Vision Transformer打卡营原创 2021-12-20 21:21:21 · 910 阅读 · 0 评论 -
从零开始学视觉Transformer(3):视觉问题中的注意力机制
Vision Transformer打卡营原创 2021-12-10 21:17:07 · 2061 阅读 · 0 评论 -
从零开始学视觉Transformer(2):图像与Transformer基础
Vision Transformer打卡营原创 2021-12-08 21:42:32 · 2209 阅读 · 0 评论 -
从零开始学视觉Transformer(1):Hello Vision Transformer
Vision Transformer打卡营 分享一门很棒的 ViT 课程,课程详细介绍可以看这篇文章 Vision Transformer打卡营来啦!朱欤博士带你从零玩转ViT爆款模型!原创 2021-12-06 21:46:18 · 2466 阅读 · 0 评论 -
4.4)深度卷积网络:人脸识别和神经风格转换
目录1)What is face recognition?2)One-shot learning3)Siamese network4)Triplet Loss(重点)5)Face Verification and Binary Classification6)What is neural style transfer?7)What are deep ConvNets l...原创 2020-03-13 22:37:33 · 606 阅读 · 0 评论 -
4.3)深度卷积网络:目标检测
目录1)Object localization(重点)2)Landmark detection3)Object detection4)Convolutional implementation of sliding windows5)Bounding box prediction(重点)6)Intersection over union7)Non-max suppress...原创 2020-03-11 22:50:53 · 950 阅读 · 0 评论 -
4.2)深度卷积网络:实例研究
目录1)Why look at case studies?2)Classic networks(理解)3)ResNets(理解)4)Why ResNets work?(经典)5)Networks in Networks and 1x1 Convolutions(理解)6)Inception network motivation7)Inception network8...原创 2020-03-10 22:21:15 · 703 阅读 · 0 评论 -
4.1)深度卷积网络:卷积神经网络基础
目录1)Computer vision2)Edge detection example(理解)3)More edge detection4)Padding(重点)5)Strided convolutions(重点)6)Convolutions over volumes7)One layer of a convolutional network(重点)8)A simp...原创 2020-03-08 21:14:09 · 1217 阅读 · 0 评论 -
3.2)深度学习笔记:机器学习策略(2)
目录1)Carrying out error analysis2)Cleaning up Incorrectly labeled data3)Build your first system quickly then iterate4)Training and testing on different distributios5)Bias and Variance with mi...原创 2020-03-07 16:03:34 · 574 阅读 · 0 评论 -
2.3)深度学习笔记:超参数调试、Batch正则化和程序框架
目录1)Tuning Process2)Using an appropriate scale to pick hyperparameters3)(Hyperparameters tuning in practice: Pandas vs. Caviar)4)Normalizing activations in a network(重点)5)Fitting Batch Norm ...原创 2019-06-24 20:12:54 · 587 阅读 · 0 评论 -
Google Colab——谷歌免费GPU使用教程
Google Colab简介Google Colaboratory是谷歌开放的一款研究工具,主要用于机器学习的开发和研究。这款工具现在可以免费使用。Google Colab最大的好处是给广大的AI开发者提供了免费的GPU使用!GPU型号是Tesla K80!你可以在上面轻松地跑例如:Keras、Tensorflow、Pytorch等框架。目录1. Google云端硬盘(Google...原创 2018-12-28 18:09:34 · 10558 阅读 · 4 评论 -
动手学PaddlePaddle(5):迁移学习
本次练习,用迁移学习思想,结合paddle框架,来实现图像的分类。相关理论:1. 原有模型作为一个特征提取器:使用一个用ImageNet数据集提前训练(pre-trained)好的CNN,再除去最后一层全连接层(fully-connected layer),即除去原有的分类器部分。然后再用剩下的神经网络作为特征提取器应用在新的数据集上。我们只需要用新的训练集训练一个嫁接到这个特征提取...原创 2019-08-12 22:20:45 · 2936 阅读 · 3 评论 -
动手学PaddlePaddle(4):MNIST(手写数字识别)
本次练习将使用 PaddlePaddle 来实现三种不同的分类器,用于识别手写数字。三种分类器所实现的模型分别为 Softmax 回归、多层感知器、卷积神经网络。您将学会 实现一个基于Softmax回归的分类器,用于识别手写数字 实现一个基于多层感知器的分类器,用于识别手写数字 实现一个基于卷积神经网络的分类器,用于识别手写数字 卷积神经网络的基本组成和搭...原创 2019-08-11 23:05:19 · 4332 阅读 · 1 评论 -
Keras入门实战(1):MNIST手写数字分类
目录1)首先我们加载Keras中的数据集2)网络架构3)选择编译(compile参数)4)准备图像数据5) 训练模型6)测试数据前面的博客中已经介绍了如何在Ubuntu下安装Keras深度学习框架。现在我们使用 Keras 库来学习手写数字分类。我们这里要解决的问题是:将手写数字的灰度图像(28 像素×28 像素)划分到 10 个类别 中(0~9)。我们将使用 ...原创 2018-11-18 09:22:14 · 1986 阅读 · 3 评论 -
《python深度学习》代码中文注释
原创:机器学习初学者机器学习初学者《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔,详尽介绍了用Python和Keras进行深度学习的探索实践,包括计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例,步骤讲解详细透彻。作者在github公布了代码,代码几乎囊括了本书所有知识点。在...原创 2020-03-30 22:13:21 · 12492 阅读 · 31 评论 -
1.2)深度学习笔记------神经网络的编程基础
目录1)Binary Classification2)Logistic Regression3)Logistic Regression Cost Function4)Gradient Descent5)Logistic Regression Gradient Descent(重点)6)Gradient Descent on m Examples7)Vectorizati...原创 2018-12-21 13:26:22 · 368 阅读 · 0 评论 -
强烈推荐的TensorFlow、Pytorch和Keras的样例资源(深度学习初学者必须收藏)
目录一、TensorFlow二、Keras三、Pytorch总结本文转自微信公众号:机器学习初学者原创: 机器学习初学者 机器学习初学者 TensorFlow、Keras和Pytorch是目前深度学习的主要框架,也是入门深度学习必须掌握的三大框架,但是官方文档相对内容较多,初学者往往无从下手。本人从github里搜到三个非常不错的学习资源,并对资源目录进行翻译,强烈...转载 2018-12-11 22:13:50 · 1851 阅读 · 0 评论 -
1.4)深度学习笔记------深层神经网络
目录1)Deep L-layer neural network2)Forward Propagation in a Deep Network(重点)3)Getting your matrix dimensions right4)Building blocks of deep neural networks5)Forward and Backward Propagation(重点...原创 2019-01-24 18:35:53 · 533 阅读 · 0 评论 -
Python之Numpy入门实战教程(2):进阶篇之线性代数
Numpy、Pandas、Matplotlib是Python的三个重要科学计算库,今天整理了Numpy的入门实战教程。NumPy是使用Python进行科学计算的基础库。 NumPy以强大的N维数组对象为中心,它还包含有用的线性代数,傅里叶变换和随机数函数。本文主要介绍Numpy库的重要应用:线性代数,线性代数在机器学习和深度学习中有着广泛的应用。强烈建议大家将本文中的程序运行一遍。这样能...原创 2019-01-25 21:33:44 · 1144 阅读 · 0 评论 -
Python之Numpy入门实战教程(1):基础篇
Numpy、Pandas、Matplotlib是Python的三个重要科学计算库,今天整理了Numpy的入门实战教程。NumPy是使用Python进行科学计算的基础库。 NumPy以强大的N维数组对象为中心,它还包含有用的线性代数,傅里叶变换和随机数函数。强烈建议大家将本文中的程序运行一遍。这样能加深对numpy库的使用。目录1.Creating arrays1)创建全零数组...原创 2019-01-22 14:02:28 · 1214 阅读 · 0 评论 -
1.3)深度学习笔记------浅层神经网络
目录1)Neural Network Overview2)Neural Network Representation3)Computing a Neural Network’s Output(重点)4)Vectorizing across multiple examples5)Activation functions6)Why need anonlinear activa...原创 2019-01-23 16:05:20 · 1059 阅读 · 0 评论 -
重磅 | 完备的 AI 学习路线,最详细的资源整理!
本文转自微信公众号:Datawhale(强烈推荐)原创:AIUnionDatawhale 今天【导读】本文由知名开源平台,AI技术平台以及领域专家:Datawhale,ApacheCN,AI有道和黄海广博士联合整理贡献,内容涵盖AI入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿Paper和五大AI理论应用领域:自然语言处理,计算机视觉,推荐系统,风控模型和知识...转载 2019-04-28 15:25:05 · 2596 阅读 · 1 评论 -
2.2)深度学习笔记:优化算法
目录1)Mini-batch gradient descent(重点)2)Understanding mini-batch gradient descent3)Exponentially weighted averages4)Understanding exponetially weighted averages5)Bias correction in exponentiall...原创 2019-04-24 19:24:37 · 836 阅读 · 0 评论 -
2.1)深度学习笔记:深度学习的实践层面
目录1)Train/Dev/Test sets2)Bias/Variance3)Regularization(重点)4)Why regularization reduces overfitting(理解)5)Dropout Regularization(重点)6)Understanding Dropout7)Other regularization methods(了解...原创 2019-04-20 21:19:59 · 820 阅读 · 0 评论 -
动手学PaddlePaddle(0):新版本PaddlePaddle安装
目录0.引言1.环境2.Windows下安装安装Python安装PaddlePaddle0.引言今天介绍如何安装新版本的PaddlePaddle,现在最新版的PaddlePaddle是指Fluid版,Fluid可以让用户像Pytorch和TensorFlow Eager Execution一样执行程序,也就是说PaddlePaddle从Fluid版本开始使用动态图机制。...原创 2019-06-11 16:51:57 · 2061 阅读 · 3 评论 -
3.1)深度学习笔记:机器学习策略(1)
以下笔记是吴恩达老师深度学习课程第三门课第一周的的学习笔记:ML Strategy。笔记参考了黄海广博士的内容,在此表示感谢。1)Why ML Strategy假设你正在调试你的猫分类器,经过一段时间的调整,你的系统达到了90%的准确率,但你还是认为你的应用程序不够好,此时我们想对它进行改善,那么我们可以怎么做呢:Collect more data Collect more div...原创 2020-03-07 15:18:43 · 500 阅读 · 0 评论 -
9.深度学习练习:Optimization Methods
本文节选自吴恩达老师《深度学习专项课程》编程作业,在此表示感谢。课程链接:https://www.deeplearning.ai/deep-learning-specialization/目录1 - Gradient Descent2 - Mini-Batch Gradient descent3 - Momentum4 - Adam5 - Model with di...原创 2019-07-10 22:40:00 · 402 阅读 · 0 评论 -
动手学PaddlePaddle(2):房价预测
通过这个练习可以了解到: 机器学习的典型过程: 获取数据 数据预处理 -训练模型 -应用模型 fluid训练模型的基本步骤: 配置网络结构: 定义成本函数avg_cost 定义优化器optimizer 获取训练数据 定义运算场所(place)和执行器(exe) ...原创 2019-07-29 23:17:40 · 1394 阅读 · 1 评论 -
动手学PaddlePaddle(1):线性回归
你将学会:机器学习的基本概念:假设函数、损失函数、优化算法 数据怎么进行归一化处理 paddlepaddle深度学习框架的一些基本知识 如何用paddlepaddle深度学习框架搭建全连接神经网络参考资料:https://www.paddlepaddle.org.cn/documentation/docs/zh/1.0/beginners_guide/quick_start/fit_...原创 2019-07-24 23:54:54 · 1376 阅读 · 2 评论 -
动手学PaddlePaddle(3):猫脸识别
你将学会: 预处理图片数据 利用PaddlePaddle框架实现Logistic回归模型: 在开始练习之前,简单介绍一下图片处理的相关知识:图片处理由于识别猫问题涉及到图片处理知识,这里对计算机如何保存图片做一个简单的介绍。在计算机中,图片被存储为三个独立的矩阵,分别对应图中的红、绿、蓝三个颜色通道,如果图片是64*64像素的,就会有三个64*64大小的矩阵,要把这些...原创 2019-08-01 23:30:25 · 1512 阅读 · 0 评论 -
在Ubuntu上安装Keras深度学习框架
目录1)安装pip2)安装Python科学套件3)安装TensorFlow4)安装keras5)安装Jupyter Notebook6)运行Keras今天介绍如何在Ubuntu上安装Keras深度学习框架。1)安装pip并确认包的管理器是最新的,我这里选择的是pip3。$ sudo apt-get update$ sudo apt-get upgrade...原创 2018-11-12 13:02:37 · 1716 阅读 · 0 评论