2017年08月_普通网友

翻译《模型汇总-21》深度学习背后的秘密：初学者指南-深度学习激活函数大全

激活函数是获取输入信号并将其转换为输出信号。激活函数为网络引入非线性，这就是我们称之为非线性的原因。神经网络是通用函数逼近器，深层神经网络使用反向传播法进行训练，反向传播需要使用可微分的激活函数。Backpropapagation使用此激活函数的下降梯度来更新网络权重。了解激活函数非常重要，因为它们对深层神经网络的函数逼近能力中起着至关重要的作用。在本文中，我列出并描述了常用的激活函数。·

2017-08-29 22:43:20 1060

原创《纯干货16》调整学习速率以优化神经网络训练

将学习速率视为超参数的提示和技巧，并使用可视化来查看真正发生的情况。学习速率是神经网络中随着时间推移，信息累积的速度。学习速率决定了网络达到最优值速度，或对于特定期望的输出时，网络的参数达到最优的状态的速度。在随机梯度下降（SGD）的平面图中，学习速率与误差梯度的形状无关，因为全局学习速率与误差梯度无关。然而，可以对原始SGD更新规则进行许多修改，将学习速率与错误梯度的大小和方向相

2017-08-29 22:33:55 6199 1

翻译深度学习在自然语言处理中的应用综述

本文为译文，原文地址：https://medium.com/@datamonsters/artificial-neural-networks-in-natural-language-processing-bcf62aa9151a由于人工神经网络可以对非线性过程进行建模，因此已经成为解决诸如分类，聚类，回归，模式识别，维度简化，结构化预测，机器翻译，异常检测，决策可视化，计算机视觉和其他许多

2017-08-23 08:51:30 8830

翻译深度学习模型、概念思维导图分享

深度学习是机器学习大家族的一员，与任务指向性的算法不同，深度学习主要学习数据的表示（分布）。学习方法分为监督式，半监督式或者无监督式三种方式。深度学习思维导图分为三张表，前两张表把深度学习所有的概念、模型、算法总结成思维导图，最后一张表总结了Tensorflow的基本库，可以做为速查工具，非常不错。1、基本概念图主要整理了建立深度学习模型的一些基本单元，比如softmax，relu

2017-08-23 08:47:09 5452

原创深度学习/机器学习的处理器列表（最全_中文版）

https://basicmi.github.io/Deep-Learning-Processor-List/获取更多深度学习最新资讯快速通道：获取最新消息快速通道 - lqfarmer的博客 - CSDN博客Nvidia公司GPU· Nvidia的最新版GPU可以使用其最新的Tensor核心架构，即16位TF或120 TFlops，这是

2017-08-17 14:01:07 6812

翻译 TensorBoard：图形可视化

TensorBoard：图形可视化TensorFlow计算图是强大但复杂的。图形可视化可以帮助您了解和调试它们。这是工作中可视化的一个例子。TensorFlow图的可视化。要查看自己的图形，请运行TensorBoard将其指向作业的日志目录，单击顶部窗格上的图表选项卡，然后使用左上角的菜单选择适当的运行。有关如何运行TensorBoard的深入信息，并确保您记录了所有必

2017-08-16 12:09:44 2845

翻译 TensorBoard：嵌入可视化

TensorBoard：嵌入可视化嵌入在机器学习中普遍存在，出现在推荐系统，NLP和许多其他应用程序中。实际上，在TensorFlow的上下文中，将张量（或张量片）视为空间点是很自然的，因此几乎任何TensorFlow系统自然会产生各种嵌入。TensorBoard有一个内置的可视化器，称为嵌入式投影仪，用于交互式可视化和分析高维数据（如嵌入）。嵌入式投影机将从您的模型检查点文件

2017-08-16 12:08:31 1292

翻译 TensorBoard：可视化学习

TensorBoard：可视化学习您使用TensorFlow的计算 - 像训练一个巨大的深层神经网络 - 可能是复杂和混乱的。为了更容易理解，调试和优化TensorFlow程序，我们提供了一套名为TensorBoard的可视化工具。您可以使用TensorBoard可视化您的TensorFlow图形，绘制关于图形执行的定量指标，并显示其他数据，如通过它的图像。当TensorBoard完全

2017-08-16 12:07:19 617

翻译使用tf.contrib.learn记录和监控基础知识

使用tf.contrib.learn记录和监控基础知识培训模型时，实时跟踪和评估进度通常很有价值。在本教程中，您将学习如何使用TensorFlow的日志记录功能和MonitorAPI来对用于分类虹膜的神经网络分类器的进行中的训练进行审核。本教程基于tf.contrib.learn快速入门中开发的代码，因此如果您尚未完成该教程，您可能需要首先探索它，特别是如果您正在寻找tf.contri

2017-08-16 12:06:19 1111

翻译使用tf.contrib.learn构建输入函数

使用tf.contrib.learn构建输入函数本教程将向您介绍如何在tf.contrib.learn中创建输入函数。您将了解如何构建input_fn预处理和将数据馈送到模型中的概述。然后，您将实施一个input_fn将训练，评估和预测数据提供给神经网络回归器，用于预测房屋中值。具有input_fn的自定义输入管道当使用tf.contrib.learn训练神经网络，它可

2017-08-16 12:02:46 463

翻译 tf.contrib.learn快速入门

tf.contrib.learn快速入门TensorFlow的高级机器学习API（tf.contrib.learn）可以轻松配置，训练和评估各种机器学习模型。在本教程中，您将使用tf.contrib.learn构建神经网络分类器并在Iris数据集上进行训练，以基于萼片/花瓣几何来预测花种。您将编写代码以执行以下五个步骤：将包含Iris训练/测试数据的CSV加载到Tenso

2017-08-16 12:01:45 752

翻译 tensorflow的作用机制

代码：tensorflow / examples / tutorials / mnist /本教程的目标是展示如何使用TensorFlow来使用（经典的）MNIST数据集来训练和评估一个简单的前馈神经网络，用于手写数字分类。本教程的目标受众是有兴趣使用TensorFlow的经验丰富的机器学习用户。这些教程一般不用于教授机器学习。请确保您已按照说明安装TensorFlow。

2017-08-16 11:59:21 556

翻译 tensorflow之深入MNIST专家

TensorFlow是进行大规模数值计算的强大库。其优点之一是实施和训练深层神经网络。在本教程中，我们将在构造一个深卷积MNIST分类器的同时学习TensorFlow模型的基本构建模块。这个介绍假设熟悉神经网络和MNIST数据集。如果你没有他们的背景，请查看初学者的介绍。启动之前，请务必安装TensorFlow。关于本教程本教程的第一部分解释了mnist_softmax

2017-08-16 11:57:31 513

翻译 tensorflow入门之MLIST为ML初学者

MLIST为ML初学者本教程适用于新来的机器学习和TensorFlow的读者。如果你已经知道MNIST是什么，以及什么softmax（多项式逻辑）回归，那么你可能更喜欢这个更快节奏的教程。在开始任一教程之前，请务必安装TensorFlow。当学习如何编程时，有一个传统，你所做的第一件事是打印“Hello World”。就像编程有Hello World，机器学习有MNIST。

2017-08-16 11:56:09 1289

翻译 TensorFlow入门—1

TensorFlow入门本指南可让您在TensorFlow中进行编程。使用本指南之前，请安装TensorFlow。为了充分利用本指南，您应该了解以下内容：· 如何用Python编程· 至少有点数组。· 理想的是关于机器学习的东西。但是，如果您对机器学习知之甚少，那么这仍然是您应该阅读的第一个指南。TensorFlow提供多种API。最

2017-08-16 11:53:39 452

原创斯坦福大学2017年春季_基于卷积神经网络的视觉识别课程视频教程及ppt分享

计算机视觉已经在我们的社会中普遍存在，应用于搜索，图像理解，应用程序，绘图，医学，无人机和自驾车。许多这些应用程序的核心是视觉识别任务，如图像分类，定位和检测。神经网络（又称“深度学习”）方法的最新进展，大大提高了这些最先进的视觉识别系统的性能。本课程深入了解深入学习架构的细节，重点是学习这些任务的端到端模型，特别是图像分类。在10周的课程中，学生将学习实施，训练和调试自己的神经网络，并详

2017-08-13 20:37:46 1999

原创深度学习与NLP 深度学习|机器学习|人工智能精品视频教程合集分享

写在前面深度学习与NLP是一个专注分享深度学习技术、NLP领域技术、资讯的专业平台，到目前为止，我们已经分享了20期有关深度学习、NLP、机器翻译等视频教程或视频资源。为了方便大家选择合适自己需求的课程学习，这里对往期分享的视频资源做了整理，推出一套视频资源合集。干货有点多，建议收藏，慢慢学习。获取更多深度学习最新资讯快速通道：获取最新消息快速通道 - lqfar

2017-08-12 12:53:36 4623

原创深度学习杰出人物专访系列(Andrew Ng)分享（一）

两天前，Yotube用户Preserve Knowledge，在Youtube上分享了一套Andrew NG采访深度学习领域的杰出人物以一套视频，包括深度学习之父Geffery Hinton，卷积神经网络创始人Yoshua Bengio，生成对抗GAN创始人Ian Goodfellow等等，分享大牛们的深度学习之路，非常不错的经验，我也将陆续和大将分享这些视频，今天与大家分享NG采访Geffery

2017-08-11 08:52:11 2737

原创 ICML17 Seq2Seqtutorial精品资料分享

序列到序列（Seq2Seq）学习是在2014年引入，并且已经被广泛地研究，并扩展到大量的各种域。Seq2Seq产生若干应用，例如机器翻译，图像字幕，语音生成，或摘要生成等。在本教程中，我们将详细介绍这一框架下，具体应用，主要算法技术和未来的研究方向的基础知识。分享一套关于Seq2Seq讲解最详细，最深刻的资料，由Oriol Vinyals @OriolVinyalsML & Navdeep

2017-08-10 23:32:51 905

原创 Andrew NG深度学习专业化课程介绍

吴恩达从百度离职几个月之后，终于带着自己的最新项目Deeplearning.ai强势回归。今天就给大家分享NG吴即将推出的深度学习强势课程-深度学习专业化。NG制作，必属精品。本专项课程介绍如果你想了解和学习AI，这个专业化课程将可以帮助你。深度学习是技术中最受追捧的技能之一。我们将帮助您成为擅长深度学习的专业者。在五个课程中，您将学习深度学习的基础，了解如何构建神经网络，

2017-08-10 23:30:37 2892

原创 2017年蒙特利尔深度学习暑期学校ppt分享（附2016年会议视频地址）

深度学习网络采用多层次的抽象结构来表达数据，大大改善和刷新了了语音识别，物体识别，物体检测，预测药物分子活动以及许多其他任务的最佳成绩。深度学习通过建立分布式表示，通过监督，无监督或强化学习等机器学习方法，发掘大型数据集中的错综复杂的结构。深度学习暑期学校（DLSS）的目的是帮助学校研究生、工业工程师和研究人员等一些已经拥有一定机器学习的基础知识（可能但不一定是深入学习），更多地了解这个快速增

2017-08-06 16:04:32 875

原创伯克利-2017年机器学习速成课程分享

Daniel Geng和Shannon Shih在Berkeley的ML博客上分享了一套机器学习速成的课程，课程持续更新，目前更新了四期。第一部分发布于2016年11月，而最后一个在2017年7月分享，也是最新的。第一部分主要介绍机器学习的基本概念：回归/分类，成本函数和渐变下降。第2部分介绍感知器，逻辑回归和支持向量机等简单模型。第3部分介绍神经网络。第4部分介绍偏差和差异的概念。分享课程目

2017-08-06 16:01:01 1278

原创 2017年深度学习理论、算法和应用研讨会视频下载地址分享

研讨会旨在将机器学习，人工智能，数学，统计学和神经科学等深入学习和相关领域的领先科学家聚集在一起。邀请与会者介绍他们最近出版的作品以及进行中的工作，并分享他们对该领域的看法和看法。目前，研讨会的视频已经release出来了，与大家分享。https://www.youtube.com/playlist?list=PLJOzdkh8T5kqCNV_v1w2tapvtJDZYiohW获取更多

2017-08-06 15:58:48 1140

原创 CVPR—2017会议全套视频下载地址分享

CVPR是IEEE Conference on Computer Vision and Pattern Recognition的缩写，即IEEE国际计算机视觉与模式识别会议。该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。2017年的CVPR会议在美国夏威夷举行，刚刚结束一段时间，今天给大家奉上CVPR-2017年视频会议地址：https://www.youtube.com/c

2017-08-06 15:56:40 2760

原创纯干货15 48个深度学习相关的平台和开源工具包，一定有很多你不知道的！！！

1. Theano：来自蒙特利尔大学MILA实验室，由Python编写的CPU / GPU符号表达式深度学习编译器。2. Torch：以lua做为编程语言，来自Ronan Collobert，Clement Farabet和Koray Kavukcuoglu）支持主流的机器学习算法，提供类似Matlab的环境。3. CNTK -计算

2017-08-02 19:44:52 3861 1

lqfarmer的博客