ML和DL学习笔记

最新推荐文章于 2024-09-15 18:10:00 发布
最新推荐文章于 2024-09-15 18:10:00 发布
阅读量126 收藏
点赞数
文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46156900/article/details/120949855
版权

文章目录

学习资源

1. 大佬的学习博客网址：

  1. LSTM梳理，理解，和keras实现 （一）

“在这一部分，我的目标只是理解“循环神经网络”中的‘循环’二字，不打算扔出任何公式，顺便一提曾经困惑过我的keras中的输入数据格式。”

  1. LSTM神经网络输入输出究竟是怎样的？

“你说不理解LSTM输入输出问题，我感觉你其实应该是对Recurrent NNs的问题。”

2. 官方文档

  1. Keras:基于Python的深度学习库

3. 基础姿势

  1. 激活函数 | 深度学习领域最常用的10个激活函数，详解数学原理及优缺点
  2. 深度学习之1——前馈神经网络
adingable
关注
专栏目录
学习B站知识区深化对ML和DL的理解
负负得正的博客
10-09 824
一. 汇丰学弟分享非计算机科班出身入门机器学习的经历 引用 https://www.bilibili.com/video/BV1eK411n7B6 1. 机器学习（深度学习）的基本概念，核心 1.1 概念 人工智能：理想 机器学习（ML）：理想实现的一种方式 深度学习（DL）：机器学习的一种方式 1.2 机器学习和经典程序设计的区别 1.2.1 经典程序设计 [Input]：规则，数据 [Output]：答案 1.2.2 机器学习 [Input]：数据，答案 [Output]：规则 1.3 深度学习的出
ML/DL十大算法
星尘逸风的博客
09-30 7731
机器学习十大算法： 决策树（树） 朴素贝叶斯分类（概率判断） 最小二乘法（线性回归） 逻辑回归（logistic） 支持向量机（SVM） 集成方法（原来是用贝叶斯平均，现在用Bagging、Boosting） 无监督： 聚类 主成分分析（PCA）（正交变换，用来简化数据便于学习.可视化） 独立成分分析（ICA） 主要用于揭示随机变量、测量值或信号集中的隐藏因素 奇异值分解（SVD）（mn矩阵分解为...
ML/DL学习笔记1——Regression案例学习
sujixian1995的博客
12-18 368
Regression案例学习 Regression（回归）就是首先提出实验模型，但是模型的关键参数未知，通过大量数据来求出最符合测试数据的实验模型，也就是求出模型的关键参数 machine Learning的三个步骤： （1）定义一个model即函数集 （2）定义一个损失函数去评估该函数的好坏找一个最好的函数 （3）找一个最好的函数 案例分析：预测宝可梦的CP值 设定具体参数 Regression的具体过程 Step1：Model (函数集) 这里没有具体的方法，根据实际情况根据经验一种一种的试。
ML、DL学习笔记
yoohsummer的博客
09-21 146
1、经典CNN网络 https://www.jianshu.com/u/4a95cf020626 https://www.cnblogs.com/skyfsm/p/8451834.html https://blog.csdn.net/yangshengjie_/article/details/82349693
2020-02-21-ML&DL学习笔记.pdf
05-08
本篇学习笔记详细记录了机器学习与深度学习中的一些基础知识点、优化方法、过拟合与欠拟合的防治等核心概念。 首先，笔记中提到的优化方法主要分为一阶优化方法和二阶优化方法。一阶优化方法主要依赖于目标函数对...
MLDL:李宏毅2020深度学习笔记（自用）
04-09
MLDL 研究生预备知识学习笔记，包含李宏毅深度学习与数字图像处理。 深度学习笔记在基础上添加自己的理解，纯自用。 MLDnotes 深度学习笔记 papernotes 论文笔记与相关知识 plans 每日计划
ML/DL学习笔记2——偏差和方差模型好坏
sujixian1995的博客
12-23 1513
    不同的model对应的error是不同的那么error是怎么来的呢？这里引入偏差和方差这两个概念。 概念引入  偏差（bias）：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据。  方差（variance）：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散。   红色靶心表示为实际值，蓝色点集为预测值。   低偏差，低方差：这是训练的理想模型，此时蓝色点
awesome-ai-ml-dl：令人敬畏的人工智能，机器学习和深度学习。 学习笔记和此类主题的精选资源精选清单
02-02
学习笔记和精选的此类主题资源清单。 此仓库专用于对AI，ML，DL和相关科学感兴趣的工程师，开发人员，数据科学家和所有其他专业。 使学习变得有趣，并创建一个容易找到所有必要材料的地方。 请贡献，观看，加注...
基于深度学习的多模态信息检索
weixin_42605076的博客
09-13 1302
基于深度学习的多模态信息检索技术，通过多模态特征的提取、融合和匹配，实现了从多种数据模态中进行高效检索的能力。随着深度学习技术的不断进步，特别是注意力机制和变换器架构的应用，多模态信息检索将在多个领域展现出更广泛的应用前景和潜力。
机器学习与深度学习的区别
警警的博客
09-14 1586
机器学习与深度学习
【图像去噪】论文精读：Enhanced CNN for image denoising（ECNDNet）
畅游计算机视觉的海洋
09-14 337
论文题目：Enhanced CNN for image denoising —— 用于图像去噪的增强CNN由于深度卷积神经网络 (CNN) 的灵活架构已成功用于图像去噪。然而，它们存在以下缺点：（i）深度网络架构很难训练。(ii)更深的网络面临性能饱和的挑战。在这项研究中，作者提出了一种称为增强卷积神经网络 (ECNDNet) 的新方法。具体来说，他们使用残差学习和批量归一化技术来解决训练困难的问题，加快网络的收敛性。此外，在所提出的网络中使用扩张卷积来扩大上下文信息并降低计算成本。
【深度学习】【OnnxRuntime】【Python】模型转化、环境搭建以及模型部署的详细教程
yangyu0515的博客
09-13 1536
【深度学习】【OnnxRuntime】【python】模型转化、环境搭建以及模型部署的详细教程
深度学习实战89-基于改造后的长短期记忆网络LSTM 的猪肉价格预测模型研究
weixin_42878111的博客
09-13 448
大家好，我是微学AI，今天给大家介绍一下深度学习实战89-基于改造后的长短期记忆网络LSTM 的猪肉价格预测模型研究。本文围绕基于改造后的长短期记忆网络 LSTM 的猪肉价格预测模型展开研究。首先介绍项目背景，阐述进行猪肉价格预测的重要性。接着详细讲解改造后的 LSTM 模型原理，为预测提供理论基础。
python AssertionError: Torch not compiled with CUDA enabled
码农的专栏
09-15 456
修改一下代码，将cuda改成cpu。
【梯度消失|梯度爆炸】Vanishing Gradient|Exploding Gradient——为什么我的卷积神经网络会不好呢？
最新发布
985小水博的摸鱼日常
09-15 906
【梯度消失|梯度爆炸】学习笔记
计算机毕业设计Python+Spark交通流量预测 智慧城市交通大数据 交通爬虫 地铁客流量分析 大数据毕业设计 大数据毕设 深度学习 机器学习
全网粉丝100W+、全栈领域优质创作者、B站、github、CSDN等社区技术专家、专注于高端精品毕业项目源码实战
09-11 1160
计算机毕业设计Python+Spark交通流量预测 智慧城市交通大数据 交通爬虫 地铁客流量分析 大数据毕业设计 大数据毕设 深度学习 机器学习
【Python机器学习】长短期记忆网络（LSTM）
weixin_39407597的博客
09-13 1181
LSTM对于循环网络的每一层都引入了状态的概念。状态作为网络的记忆。可以把上述过程看成是在面向对象编程中为类添加属性。每个训练样本都会更新记忆状态的属性。
深度学习张量变换操作利器 einops 基础实践
Together_CZ的博客
09-14 513
深度学习张量变换操作利器 einops 基础实践
ml和dl底层逻辑一样吗
08-08
首先，ML和DL都属于人工智能（AI）的领域，它们都涉及使用算法来使计算机系统具有学习和预测能力。它们的目标都是通过从数据中学习模式和规律来使计算机能够进行预测和决策。 在底层逻辑上，ML和DL都需要数据作为...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

adingable

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值