深度学习
文章平均质量分 93
深度学习
EmoryHuang
研究僧,菜鸟级程序员一枚
展开
-
聊一聊损失函数
损失函数,具体来说就是计算神经网络每次迭代的前向计算结果与真实值的差距,从而指导下一步的训练向正确的方向进行。下面主要介绍一些常见的损失函数:均方差损失函数和交叉熵损失函数。...原创 2022-07-20 16:33:12 · 902 阅读 · 0 评论 -
简单理解图神经网络 GNN
图神经网络(Graph Neural Networks,GNN)最早由The Graph Neural Network Model(Gori et al., 2005)提出。近年来,深度学习领域关于图神经网络的研究热情日益高涨,图神经网络已经成为各大深度学习顶会的研究热点。......原创 2022-07-02 19:07:40 · 767 阅读 · 0 评论 -
Self Attention 详解
注意力机制(Attention),之前也是一直有所听闻的,也能够大概理解 Attention 的本质就是加权,对于 Google 的论文《Attention is all you need》也只是一直听闻,现在乘着机会也是好好读一读。原创 2022-06-08 20:40:26 · 7478 阅读 · 2 评论 -
浅析 K-L 变换
K-L 变换浅析原创 2022-06-08 20:39:36 · 872 阅读 · 0 评论 -
时间序列数据建模流程范例
时间序列数据建模流程范例前言最开始在学习神经网络,PyTorch 的时候,懂的都还不多,虽然也知道 RNN, CNN 这些网络的原理,但真正自己实现起来又是另一回事,代码往往也都是从网上 copy 过来然后再自己魔改的,这也就导致了一系列的问题,代码格式不统一,没弄懂具体实现细节等等。当然,凭这些 copy 过来的代码让模型运行起来还是不难的,你只需要知晓一定的原理。显而易见,这些时间往往最后都是要“还”的。写这篇文章主要还是记录一下整体的思路,并对网络训练的整个过程进行标准化。当然,这只是我自己在写原创 2021-12-16 15:30:36 · 1963 阅读 · 0 评论 -
AutoEncoder 学习笔记
AutoEncoder 学习笔记前言AutoEncoder 作为神经网络里的一类模型,采用无监督学习的方式对高维数据进行特征提取和特征表示,其目的是重构输入(最小化输入和输出之间的差异),而不是在给定输入的情况下预测目标值。AutoEncoder 简介上面这张图很好的描述了 AutoEncoder 的工作原理,首先是一个数据输入,它可以是图片或是一串序列,就像上图描述的一样,一幅图片经过一个 Encoder 网络之后,得到了 Compressed representation ,也就是我们所谓的这原创 2021-12-16 15:31:14 · 767 阅读 · 1 评论 -
卷积神经网络
卷积神经网络前言卷积神经网络(Convolutional Neural Networks,CNN)是一种神经网络模型,是深度学习的代表算法之一。它广泛应用于计算机视觉、语音处理等领域,在图像处理,语音识别方面具有非常强大的性能。针对计算机视觉任务,卷积神经网络能够很好的从大量的数据中做到特征的提取,并且降低网络的复杂度。概述卷积神经网络在各个领域得到广泛的应用,但就其本质来说,卷积神经网络只是一个特征提取器,它通过强大的特征学习能力,进行不断的特征提取,通过不断地卷积、池化等操作,过滤掉无用的信息,原创 2021-09-18 08:59:42 · 993 阅读 · 0 评论 -
HED 和 RCF 图像边缘检测
HED 和 RCF 图像边缘检测引言虽然传统边缘检测算法在不断发展的过程中也取得了很大的进步,但仍然无法做到精细的边缘检测处理。随着近年来深度学习的快速发展,计算机视觉领域因此获益颇丰,当下最先进的计算机视觉应用几乎都离不开深度学习,深入我们生活的各个领域如目标检测、工业、农业、医疗等。由于深度学习的特性,使得它成为最适合处理计算机视觉任务的工具之一,特别是卷积神经网络(CNN),得益于它强大的自动学习能力,图像边缘检测任务得到了长足的发展,涌现出了许多优秀的方法,如 N4-field、DeepCont原创 2021-09-18 08:58:07 · 3508 阅读 · 0 评论