- 博客(7)
- 收藏
- 关注
RSS订阅原创 飞桨学习篇（8.19）
8.19学习笔记1.激活函数：在卷积或者全连接这样的线性操作之后，会加上一个非线性的函数，作用于每一个神经元的输出上从而实现非线性变换1)Sigmoid2)ReLU2.批归一化BatchNorm：提升数值的稳定性对中间层的输出做标准化，可以保证在网络学习的过程中，网络层的输出具有稳定性的分布快速学习；降低模型对初始值的敏感性；从一定程度上抑制过拟合模型收敛：需要稳定的数据分布输入数据和中间层进行标准化3.丢弃法Dropout:抑制过拟合的方法训...
2020-08-19 23:41:56
116
原创 飞桨学习篇（8.18）
8.18学习笔记计算机视觉图像识别的基本框架：测量空间—(特征表示)—特征空间——类别空间特征表示：设计特征深度学习：学习特征早期图像识别方法用全局的视觉底层特性统计量表示图像中期图像处理方法局部特征被转化为视觉关键词，图片被标示成视觉词袋局部检测子：Harris,DoG,SURF,Harris-Affine,and MSER局部描述子：SIFT,PCA-SIFT,GLOH,Shape Context,ORB,COGE传统方法：人工特征提取+分类器深度学习：模
2020-08-18 23:01:23
147
原创 2020-08-16
8.15学习笔记1.“手写数字识别——资源配置”1.1CPU训练：（1）.CPU：fluid.CPUPlace()设置（2）.GPU：fluid.CUDAPlace()设置（3）. 以dygraph.guard函数的参数声明的place资源 with语句作用域下的代码在该资源上运行。2.两种并行计算方式：模型并存和数据并行数据并行的两种实现方式：Pserver通信方式和NCCL通信方式3.实现多‘GPU卡’的分布式训练：程序修改和命令调用命令：python -m padd
2020-08-16 10:39:22
134
原创 2020-08-15
8.14学习笔记1.基础模型：神经网络输入层+隐含层+输出层，非线性变换Sigmoid输出层：单一输出2.以类的方式组建网络初始化函数init：定义每层Forward函数：串联方式3.配置网络：卷积神经网络卷积层：局部视野+参数共享池化层：保留主要特征4.分类优化目标：分类任务用均方误差不合适：本质规律使“在某种特征组合下的分类概率”怎样使模型的输出可以代表标签的概率:softmax函数使所有输出加和为1对于二分类问题：等价单一输出Sigmoid函数损
2020-08-15 01:18:52
88
原创 飞桨学习篇（8.13）
8.13学习笔记1.手写数字识别：深度学习的“hello，world！”数据处理：封装函数，读文件，雨初拉力，异步模型设计：网络机构：单层网络，多层网络，激活函数 CNN 损失函数：均方误差 Cross Entropy+Softmax训练配置：优化器：SGD 学习率 Momenturm/AdaGrad/Adam 正则化 资源配置：单机CPU GPU 多机多卡训练过程：训练 评价指标 校验（正则化） 作图模型保...
2020-08-14 11:34:19
140
原创 飞桨学习篇（8.12）
8.12学习笔记1.深度学习框架——飞桨开发和训练框架 辅助工具 模型资源2.飞桨深度学习技术优势：主流编程方案 光放开源模型库 分布式模型训练 多端多平台的应用部署 系统化的深度学习服务平台3.飞桨平台设计之“道“（用飞桨写房价预测模型）（1）加载相关库：Paddle/fluid：飞桨的主库，包含大多数实用函数Digraph:动态图的类库Linear:神经网络的全连接层函数，权重相加和激活函数的基本神经元结构（2）数据处理：reshape（N，M）——trainin..
2020-08-13 10:38:23
557
原创 飞桨学习篇（8.11）
8.11学习笔记1.基本概念：人工智能>机器学习>深度学习2.基本定义：人工智能是以拓展“人”到机器为主体涉及到多个领域的广泛的概念。机器学习是通过模型假设、评价函数（损失/优化目标）和优化算法完成问题。深度学习是解决机器学习的复杂问题的方法，学习人脑的结构来解决问题。3.深度学习——神经网络：3.1神经元（节点，由加权和，非线性变化（激活函数）组成），多层链接，前向计算3.2历史：大数据，硬件发展，算法优化, svm算法，语音和图像 不同于机器学习，从手工作坊到
2020-08-12 09:39:51
177
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人