![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine Learning
文章平均质量分 94
DuLi_CS
这个作者很懒,什么都没留下…
展开
-
卷积神经网络《深度学习入门》第七章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第七章 卷积神经网络tags: [Machine learning, Reading]第七章 卷积神经网络终于来到了激动人心的卷积神经网络。卷积神经网络的重要性不用多说,所以这一章着重来介绍。7.1 整体结构首先看一下CNN的网络结构。神经网络和之前的神经网络一样,可以像乐高积木一样通过组装层来构建,不过出现了新的卷积层(Convolution层)和池化层(Pooling层)。之前介绍的.原创 2021-03-18 10:48:47 · 572 阅读 · 0 评论 -
参数更新方法 初始值 抑制过拟合 Batch Normalization等 《深度学习入门》第六章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第六章 与学习相关的技巧tags: [Machine learning, Reading]第六章 与学习相关的技巧本章像是一个补充,主题涉及寻找最优权重参数的最优化方法、权重参数的初始值、超参数的设定方法等。此外,为了应对过拟合,本章还将介绍权值衰减、Dropout等正则化方法,并进行实现。最后将对近年来众多研究中使用的Batch Normalization方法进行简单的介绍。这部分推荐大家.原创 2021-03-14 23:02:14 · 477 阅读 · 0 评论 -
误差反向传播法《深度学习 基于Python的理论与实现》第五章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第五章 误差反向传播法tags: [Machine learning, Reading]第五章 误差反向传播法上一章介绍了神经网络的学习,并通过数值微分计算了神经网络的权重参数的梯度,数值微分虽然简单,但是计算起来比较浪费时间。本章使用一个能够高效计算权重参数的梯度的方法–误差反向传播法。正确理解反向传播法,有两种方法,一种基于计算图,一种基于数学式。后者是比较常见的方法,本章通过计算图来理解.原创 2021-03-04 16:07:29 · 214 阅读 · 1 评论 -
神经网络的学习 《深度学习 基于Python的理论与实现》第四章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第四章 神经网络的学习tags: [Machine learning, Reading]第四章 神经网络的学习上一章我们讲前向传播,主要说的数据的传递和计算,没有涉及到参数的训练和选择,本章的主题是神经网络的学习。为了使神经网络可以学习,引入了损失函数这个指标,学习的目的是以该损失函数为基准,找出使它的值最小的权重参数。4.1 从数据中学习神经网络的特征就是可以从数据中学习。所谓从数据中学习.原创 2021-03-02 21:13:58 · 364 阅读 · 0 评论 -
神经网络之手写数字识别 《深度学习入门 基于Python的理论实现》第三章实践部分
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第三章 手写数字识别tags: [Machine learning, Reading]第三章 神经网络3.6 手写数字识别上一个post介绍了神经网络的基本内容,这一节搭配项目解决实际问题。这个例子非常简单,是一个机器学习里的Hello world。手写数字识别问题。但是这个例子是不完全的,我们假设学习已经全部完成,我们用学习到的参数,先实现神经网络的“推理处理”。这也叫神经网络的前向传播。.原创 2021-02-20 14:42:51 · 291 阅读 · 0 评论 -
神经网络 《深度学习入门 基于Python的理论实现》第三章理论部分
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第三章 神经网络tags: [Machine learning, Reading] 第三章 神经网络紧接着第二章的内容,我们开始介绍神经网络。上一章感知机的参数都是我们认为验证给定的,对于神经网络来说,一个重要的性质就是可以自动地从数据中学习到合适的权重参数。3.1 从感知机到神经网络3.1.1 神经网络的例子下图就是一个神经网络的例子,把最左边的一列称为输入层,中间一列称为中.原创 2021-02-13 00:02:29 · 206 阅读 · 0 评论 -
感知机 《深度学习入门 基于Python的理论实现》第二章
layout: posttitle: 深度学习入门 基于Python的理论实现subtitle: 第二章 感知机tags: [Machine learning, Reading]第二章 感知机这一个系列是深度学习入门-基于Python的理论与实现的学习记录。看之前的文章,就知道开的新坑实在是太多了。刚好现在是寒假,有比较完整的时间,所以想着用这一段时间做些事情。暂时是这么安排的,对于学习的过程,一方面写文章,一方面做视频,不清楚做这些的时间成本怎么样,先试试看。买过各种各样的机器学习的.原创 2021-02-08 11:11:29 · 200 阅读 · 0 评论