![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Deep Learning
ChenVast
有梦想,敢拼博,执着的走属于自己的路。无惧一切,勇往直前,做自己。成为一个伟大的人,改变世界。
Python软件基金会(PSF)成员,
国际数据管理协会(DAMA)会员
展开
-
【深度学习】神经网络简述
神经网络 = 人工神经网络(Artificial Neural Network) M-P模型(McCulloch-Pitts神经元模型)的三个功能:1、 能接受n个M-P模型传递过来的信号2、 能够在信号的传递过程中为信号分配权重3、 能过将得到的信号进行汇总、变换并输出神经元模型如图所示 把N个M-P神经元按照一定的层次结构连接即可形成神经网络,形成神经元组成...原创 2017-12-15 17:56:06 · 1957 阅读 · 0 评论 -
【深度学习】从fast.ai学到的十大技巧
那些允许新手在短短几周内实施世界级算法的秘诀是什么呢?在GPU驱动的唤醒中留下经验丰富的深度学习从业者?请允许我用十个简单的步骤告诉你。如果您已经在练习深度学习并希望快速了解fast.ai在课程中使用的强大技术,请继续阅读。如果你已经完成了fast.ai并想要回顾一下你应该学到的东西,请继续阅读。如果你正在调查研究深度学习的想法,请继续阅读,并希望看到该领域如何发展以及fast.a...翻译 2018-08-07 14:50:58 · 10480 阅读 · 2 评论 -
【机器学习】超过200种最佳机器学习—NLP和Python教程(2018版)
本文包含了迄今为止我发现的最佳教程内容。它绝不是网上每个ML相关教程的详尽列表 - 这将是压倒性的和重复的。此外,还有一堆平庸的内容。我的目标是链接到我在机器学习和NLP中的重要子主题上找到的最佳教程。通过教程,我指的是打算简明扼要地教授概念的介绍性内容。我避免包括具有更广泛覆盖范围的书籍章节和研究论文,这些论文通常在教学概念方面做得不好。为什么不买书呢?当您尝试学习特定的利基主题或想要获得不...翻译 2018-08-03 09:51:37 · 1127 阅读 · 0 评论 -
【深度学习】随机权值平均(一种获得深度学习艺术效果的新方法)
在本文中,我将讨论两篇有趣的近期论文,这些论文通过使用智能的集合方式提供了一种简单的方法来提高任何给定神经网络的性能。他们是:“ 损耗表面,模式连通性和DNN的快速集成 ”,Garipov等。人 Izmailov等人的“ 平均权重导致更广泛的最优和更广泛的推广 ”。人额外的先决条件阅读将使这篇文章的上下文更容易理解:Vitaly Bushaev “ 改善我们的学习方式 ” 传统的...翻译 2018-08-28 09:48:15 · 3391 阅读 · 0 评论 -
【推荐算法】协同过滤:从浅层到深层学习
协同过滤通常用于创建推荐系统(例如,Netflix节目/电影推荐)。目前最先进的协同过滤模型实际上使用了一种非常简单的方法,结果很好。在这篇文章中,我将概述这些最先进的模型,这些模型利用“浅层学习”,然后介绍一种利用深度学习的新方法(我认为很有前途!)。在这篇文章中,我将使用MovieLens数据集作为示例,其中包含用户对电影的评分。我还演示了如何在我的Github上提供的脚本中使用浅层和深层...翻译 2018-08-28 09:54:44 · 2808 阅读 · 0 评论 -
【数学】深度学习的基本线性代数
线性代数的概念对于理解机器学习背后的理论至关重要,特别是对于深度学习。它们为您提供了更好的直觉,让您了解算法在引擎盖下的实际工作方式,从而使您能够做出更好的决策。所以如果你真的想成为这个领域的专业人士,你就无法摆脱它的一些概念。本文将向您介绍机器学习中使用的线性代数的最重要概念。 目录介绍数学对象纯量向量矩阵张量计算规则1.矩阵 - 标量运算2...翻译 2018-09-03 16:19:13 · 2669 阅读 · 0 评论 -
【机器学习系列文章】第4部分:神经网络和深度学习
目录深度学习做得好,有些历史从大脑中汲取灵感(或者只是统计数据?) - 神经网络内部会发生什么为什么线性模型不起作用一些扩展和进一步的概念值得注意深度学习应用现在去做吧!更多资源接下来:玩一些游戏的时间!神经网络的工作原理,原因和深度。从大脑中汲取灵感。卷积神经网络(CNN)和递归神经网络(RNN)。真实世界的应用程序。 通过深度学习,我们仍在学习函数f...翻译 2018-10-01 20:02:49 · 472 阅读 · 0 评论 -
【机器学习系列文章】第5部分:强化学习
目录让我们把机器人鼠标放在迷宫中马尔可夫决策过程(MDP)Q-learning:学习行动价值功能政策学习:从州到行动的地图DQNs,A3C和深RL的进步练习材料和进一步阅读你做到了!结束思考探索和开发。马尔可夫决策过程。Q-learning,政策学习和深度强化学习。 “我只吃了一些巧克力来完成最后一节。”在有监督的学习中,训练数据带有来自某些神圣的“...翻译 2018-10-01 20:02:58 · 501 阅读 · 0 评论 -
【机器学习系列文章】第6部分:最好的机器学习资源
目录关于制定课程的一般建议基金会程序设计线性代数概率与统计微积分机器学习培训教科书深度学习培训项目阅读强化学习培训项目阅读人工智能人工智能安全简讯别人的建议制作人工智能,机器学习和深度学习课程的资源汇编。 关于制定课程的一般建议去学校参加正式学位课程并不总是可行或可取的。对于那些考虑自学选择的人,这...翻译 2018-10-01 20:03:07 · 352 阅读 · 0 评论 -
【推荐系统】使用神经网络嵌入构建推荐系统
如何使用深度学习和维基百科来创建图书推荐系统深度学习可以做一些令人难以置信的事情,但通常在学术论文中使用模糊或者只需要大公司可用的计算资源。尽管如此,深度学习的应用可以在没有高级学位的个人计算机上完成。在本文中,我们将看到如何使用神经网络嵌入来创建书籍推荐系统,使用书籍上的所有维基百科文章。我们的推荐系统将基于链接到类似维基百科页面的书籍彼此相似的想法。我们可以通过使用神经网络学习书籍...翻译 2018-10-12 10:54:27 · 1716 阅读 · 0 评论 -
【人工智能】2018年最佳 机器学习/深度学习 开源软件奖获奖者
亚马逊、谷歌、微软、facebook——这些公司和其他许多公司都在争相创建最丰富、最容易的机器学习和深度学习库。竞争是好的!我们在机器学习领域的2018年“Bossie”获奖者包括最先进的框架、用于构建和培训模型的其他前沿工具,以及在集群中传播深度学习的平台。目录TensorFlowKerasPyTorchfast.aiChainerH20Microsoft ...翻译 2018-09-28 11:07:44 · 573 阅读 · 0 评论 -
【深度学习】卷积神经网络(CNN)的最佳解释
CNN在图像和视频识别,推荐系统和自然语言处理方面具有广泛的应用。在本文中,我将采用的示例与计算机视觉相关。但是,基本概念保持不变,可以应用于任何其他用例!有关神经网络的快速回顾,这里有一个非常清楚解释的文章系列。与神经网络一样,CNN由具有可学习权重和偏差的神经元组成。每个神经元接收几个输入,对它们进行加权求和,将其传递给激活函数并用输出作出响应。整个网络都有丢失功能,我们为神经网络开发...翻译 2018-08-14 09:26:13 · 2279 阅读 · 0 评论 -
【机器学习】公开数据集总汇(欢迎补充)
目录【图片数据集】【人脸数据集】【视频数据集】【问答数据集】【自动驾驶数据集】【年龄、性别数据集】修改时间:2018-10-30:新增9个 人脸数据集 【图片数据集】 世界上最大的图像识别数据集ImageNet :http://www.image-net.org 用于分割和加字幕标注的数据集COCO : http://c...原创 2018-03-06 10:22:04 · 3105 阅读 · 0 评论 -
【深度学习】TensorFlow系统架构和设计理念
TensorFlow系统架构设计理念 图的定义和图的运行完全分开。TensorFlow为“符号主义”的库。编程模式通常分为命令式编程和符号式编程。命令式编程:编写通常意义上的程序,容易理解和调试,按照原有的逻辑执行。符号式编程:涉及很多的嵌入式和优化,不同意理解和调试,运行速度相对提升。 符号式计算:先定义各种变量,然后建立一个数据流图,在数据流图中规定各个变量间的计算关系,最后对数据流图进行编译...原创 2018-03-10 09:49:41 · 3348 阅读 · 0 评论 -
【深度学习】卷积神经网络(CNN)概述
积卷神经网络(Convolutional Neural Network,CNN):神经网络中的一种拓展朴素的CNN和朴素的NN没有任何区别。 CNN主要思想: 局部连接 权值共享 CNN应用在特征提取领域 前向传播: 实现的层面上和NN是一样的,不同之处在于: 接收的输入形式不同 层与层之间的连...原创 2017-12-16 17:06:11 · 1971 阅读 · 0 评论 -
【h5py Error】Python TypeError: No conversion path for dtype: dtype('<U28')
报错代码:h5f.create_dataset('dataset_2', data = names)报错环境:python3.6h5py的报错:TypeError: No conversion path for dtype: dtype('错误解析:create_dataset 只接受 ascii 的数据,如果你是Python3或者py原创 2018-01-04 19:14:38 · 8018 阅读 · 4 评论 -
【深度学习】TensorFlow实现RNN
RNN(recurrent neural Network)循环神经网络主要用于自然语言处理(nature language processing,NLP) RNN主要用途是处理和预测序列数据RNN广泛的用于 语音识别、语言模型、机器翻译RNN的来源就是为了刻画一个序列当前的输出与之前的信息影响后面节点的输出RNN 是包含循环的网络,允许信息的持久化。RNN会记忆之前的信原创 2018-01-22 20:21:59 · 2070 阅读 · 4 评论 -
【深度学习】深度学习简介
人工智能的痛点:数据表达、特征提取、运算处理器解决了以上痛点,人工智能的任务就能解决了90%。 深度学习的核心问题之一:自动的将简单的特征组合成更加复杂的特征,并使用这些组合特征解决问题。 深度学习是机器学习的一个分支,深度学习除了学习特征和任务之间的关联外,还能自动从简单特征中提取更加复杂的特征, 深度学习和机器学习的差异:机器学习:输入à人工提取特征à权重学习à原创 2018-01-06 17:50:37 · 1566 阅读 · 0 评论 -
【深度学习】深层神经网络
深度学习:一类通过多层非线性变换对高复杂性数据建模算法的集合深层神经网络是实现“多层非线性变换”最常用的一种方法深度学习 ≈ 深层神经网络深度学习的重要特征:多层、非线性 线性模型局限性:一个线性模型中通过输入的函数得到输出的函数被称为一个线性变换。线性模型的最大特点是任意线性模型的组合依然还是线性模型。线性模型只能解决线性可分的问题,很多问题是无法线性分割的原创 2018-01-06 18:21:31 · 1568 阅读 · 0 评论 -
【深度学习】卷积神经网络(CNN)
卷积神经网络(Convolutional Neural NetWork,CNN):自然语言处理、医药发现、灾难气候发现、人工智能程序。输入层:整个神经网络的输入 卷积层:卷积神经网络中最重要的部分,卷积层中每一个节点的输入只是上一层神经网络的一小块,一般为3x3或者5x5。卷积层试图将神经网络中的每一小块进行更加深入的分析从而得到抽象程度更高的特征。原创 2018-01-16 10:32:47 · 6318 阅读 · 3 评论 -
【深度学习】TensorFlow概念
TensorFlow最重要的两个概念:Tensor和FlowTensor:张量,多维数组Flow:流,表达了张量之间通过计算相互转化的过程 TensorFlow是通过计算图的形式表述计算的编程系统TensorFlow中每一个计算都是计算图上的一个节点,节点之间的边描述了计算之间的依赖关系图例: 计算图的使用:TensorFlow程序一般分为两个阶段:原创 2018-01-06 18:11:57 · 972 阅读 · 0 评论 -
【深度学习】TensorFlow的TFRecord存储
TFRecord:TensorFlow提供一种统一的格式来存储数据存储的格式为属性名到取值的字典,属性名为字符串,取值可为字符串、实数列表、整数列表。将MNIST的输入数据转化为TFRecord的格式程序:import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataimport numpy a原创 2018-01-17 19:08:38 · 922 阅读 · 0 评论 -
【深度学习】TensorFlow图像处理
图像处理:#coding=utf-8import matplotlib.pyplot as pltimport tensorflow as tfimport numpy as np# 读取图片image_raw_data = tf.gfile.FastGFile ("../datasets/cat.jpg", 'rb').read ()with tf.Session () as se原创 2018-01-17 19:14:39 · 2167 阅读 · 0 评论 -
【深度学习】TensorFlow变量管理
TensorFlow提供了通过变量名称来创建或者获取一个变量的机制。获取变量名主要通过tf.get_variable和tf.variable_scope实现的。 变量初始化函数:tf.constant_initializer(value):将变量初始化为给定的常量,初始化一切所提供的值。tf.random_normal_initializer(mean,stddev):将变量初原创 2018-01-09 14:45:48 · 1031 阅读 · 1 评论 -
【深度学习】TensorFlow持久化 简概
TensorFlow提供简单的API保存和还原一个神经网络模型,tf.tanin.Saver类。保存计算图的案例:with tf.Session () as sess: model_filename = "./Saved_model/combined_model.pb" with gfile.FastGFile (model_filename, 'rb') as f:原创 2018-01-09 14:54:37 · 776 阅读 · 0 评论 -
【深度学习】资源:最全的 Pytorch 资源大全
Pytorch资源大全目录Pytorch及相关库NLP和语音处理:计算机视觉:概率/生成库:其他库:教程和示例论文的实现Pytorch其他 Pytorch及相关库pytorch:Python中的张量和动态神经网络,具有强大的GPU加速功能。NLP和语音处理:pytorch text:火炬文本相关内容。 pytorch-seq2seq...翻译 2018-10-22 10:01:49 · 4732 阅读 · 0 评论