百面深度学习
文章平均质量分 75
闲看庭前梦落花
摆脱不够努力、不够勤奋、不专注带来的焦虑
展开
-
残差神经网络(ResNet)
残差神经网络的主要贡献是发现了退化现象,并针对退化现象发明了快捷连接(shortcut connection),极大的消除了深度过大的神经网络训练困难问题。原创 2022-08-26 17:44:52 · 1625 阅读 · 0 评论 -
深度强化学习的挑战(多智能体强化学习)
样本效率强化学习中一个样本高效或称数据高效的算法意味着这个算法可以更好地利用收集到的样本,从而实现更快速的策略学习。**从专家示范中学习。**这个想法需要一个专家来提供有高奖励值的训练样本,实际上属于模仿学习的范畴。**基于模型的强化学习。**一个基于模型的强化学习方法一般指智能体不仅学会一个预测其动作的策略,而且学习一个环境的模型来辅助其动作规划,因此可以加速策略学习的速度。环境模型包括两个子模型:一个是状态转移模型,一个是奖励模型。学习稳定性深度强化学习可能非常不稳定或有随机性。这里的不稳定指原创 2022-04-11 15:51:08 · 1148 阅读 · 0 评论 -
百面深度学习-第六章强化学习
第六章强化学习问题1 什么是强化学习?如何用马尔可夫决策过程来描述强化学习?问题2 强化学习中的有模型学习和免模型学习有什么区别?问题3 基于策略迭代和基于价值迭代的强化学习有什么区别?问题1 距离说明时序差分强化学习和蒙特卡洛强化学习的区别?问题2 什么是Q-learning问题1 什么是强化学习?如何用马尔可夫决策过程来描述强化学习?强化学习主要由智能体和环境两部分组成。如果智能体的某个策略获得了环境的奖励信号,那么他在相似环境下采取这个策略的趋势就会加强。相反,如果某个策略获得了惩罚,那么在相似环原创 2022-04-05 16:25:43 · 833 阅读 · 0 评论 -
百面深度学习 第九章计算机视觉
第九章 计算机视觉问题1 简述物体检测领域中的单步模型和两步模型的性能差异及其原因。问题2 简单介绍两步模型R-CNN,SPPNet,Fast R-CNN,Faster R-CNN的发展过程。问题3 简单介绍单步模型YOLO、YOLOv2、YOLO9000,YOLOv3问题4:有哪些措施可以增强模型对于小物体的检测效果?问题1 简述图像分割中经常用到的编码器-解码器网络结构的设计理念。列举1-2个基于编码器-解码器结构的图像分割算法。问题1 简述物体检测领域中的单步模型和两步模型的性能差异及其原因。单步原创 2022-04-05 15:43:22 · 2303 阅读 · 0 评论 -
百面深度学习:第一章 卷积神经网络
第一章 卷积神经网络问题1 简述卷积的基本操作,并分析其与全连接层的区别问题2 在卷积神经网络中,如何计算各层感受野的大小问题3 卷积层的输出尺寸、参数量和计算量问题1 简述分层卷积及其应用场景问题1 简述卷积的基本操作,并分析其与全连接层的区别我的理解:卷积层就是通过卷积核的操作获得更加明显的高层语义特征,但是数据结构类型没有变。全连接就是输出和每个输入连接。权值共享就是由于是卷积核操作所在存在权值一样,卷积核就差不多是权值全连接类似于多层感知机,输出层的每个节点会与输入层相连接。卷积层是通过特定原创 2022-04-05 11:47:41 · 1893 阅读 · 0 评论