![](https://img-blog.csdnimg.cn/20190927151132530.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
笔记
日常学习的笔记
肉食动物刘小胖
这个作者很懒,什么都没留下…
展开
-
【Pytorch】动手学深度学习(二)
学习安排如下: Task03:过拟合、欠拟合及其解决方案;梯度消失、梯度爆炸;循环神经网络进阶(1天) Task04:机器翻译及相关技术;注意力机制与Seq2seq模型;Transformer(1天) Task05:卷积神经网络基础;leNet;卷积神经网络进阶(1天) ...原创 2020-02-19 19:42:55 · 96 阅读 · 0 评论 -
【Pytorch】动手学深度学习(一)
首先感谢伯禹平台,Datawhale,和鲸,AWS给我们提供的免费学习机会!! 对头两天的任务做一个总结,课程安排进度有些略快,由于本人之前并没有接触过pytorch以及没有深入了解过循环神经网络相关的知识,所以后半部分学习起来难度还是很大的,建议基础较差的同学不要心急,夯实基础。 头两天的学习安排如下: Task01:线性回归;Softmax与分类模型、多层感知机(1天) Task02:文本预处...原创 2020-02-14 19:16:24 · 209 阅读 · 0 评论 -
论文翻译(Alexnet) ImageNet Classification with Deep Convolutional Neural Networks
Abstract 我们训练了一个大型的深度卷积神经网络,将ImageNet LSVRC-2010竞赛中的120万张高分辨率图像分类为1000个不同的类别。在测试数据上,我们实现了前1个和前5个错误率分别为37.5%和17.0%,这比以前的最新技术要好得多。该神经网络具有6000万个参数和650,000个神经元,它由五个卷积层组成,其中一些层是最大卷积层,以及三个完全连接的层,最终具有1000路...原创 2019-11-04 20:53:01 · 200 阅读 · 0 评论 -
【论文翻译】Deep learning
Abstract 深度学习允许由多个处理层组成的计算模型学习具有多个抽象级别的数据表示。 这些方法极大地改善了语音识别,视觉目标识别,目标检测以及许多其他领域(例如药物发现和基因组学)的最新技术。 深度学习通过使用反向传播算法指示机器应如何更改其内部参数来发现大型数据集中的复杂结构,这些内部参数用于根据上一层的表示来计算每一层的表示。 深层卷积网络在处理图像,视频,语音和音频方面带来了突破,而递...原创 2019-11-04 19:24:34 · 807 阅读 · 0 评论