咨询懂得人关于深度学习方向的问题

最新推荐文章于 2024-10-17 17:18:46 发布
最新推荐文章于 2024-10-17 17:18:46 发布
阅读量75 收藏
点赞数 2
文章标签： 深度学习
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_53774127/article/details/139566681
版权

诚恳发问，在读双非计算机研究生，跨考啥也不会，导师走的表情识别方向，她现在给我一个方向是下降梯度法使用分数阶微分，反向传播中更新参数使用分数阶导数，现在看了相关文献确实有将分数阶微分放在神经网络中的，基本都是学报或者毕业论文，有代码的很少，只找到一篇IEEE有代码的，也看不懂，而且是使用在Lenet上，老师想让我使用在resnet中（因为师兄师姐都用这个），最终使用在表情识别上，导师代码也不会，只给我方向也不教我，又希望我自己实现。很焦虑，大佬们看这个方向有望实现吗？

小宣啥都爱吃w
关注
一文读懂「LLM的幻觉/涌现」问题
女王の专属领地
01-05 2175
1、幻觉定义大模型生成看似合理的内容，其实这些内容是不正确的或者是与输入Prompt无关，甚至是有冲突的现象，即生成与用户输入不符、与先前生成的内容矛盾或与已知世界知识不符的内容。2、幻觉类型输入冲突幻觉Input-conflicting：生成的内容与用户提供的输入不符；输入冲突幻觉指的是LLM生成的内容与用户提供的源输入（①任务指示：例如用户对摘要的提示和②任务输入：例如需要摘要的文档）不一致。当LLM生成的内容偏离用户的输入时，就会出现这种幻觉。
AI：159-大模型的学习路线图推荐—多维度深度分析
一键难忘的博客
01-22 3068
大模型的初心是让训练出来的模型具备不同领域的认知力，既能有泛化的能力，又能有自我进化的能力。未来，大模型将致力于构建通用的人工智能算法底层架构，将模型的认知力从单领域泛化到多领域融合，在不同场景中自我生长，向可持续、可进化的方向发展。尽管大模型在很多任务上已经取得了显著的成果，但仍存在一些局限性，如数据集的规模和质量、模型的泛化能力、训练的效率和稳定性等。● 模型可解释性的提高：目前的大型模型往往难以解释，未来随着技术的不断发展，大型模型的解释性将会得到提高，人们将能够更好地理解模型的工作原理和决策依据。
一篇文章搞懂人工智能、机器学习、深度学习
m0_63171455的博客
06-19 1081
人工智能（AI），简而言之，是让机器模仿人类的认知功能，如学习、解决问题和理解语言的科学和工程。AI旨在创造出能够执行任务且在某些情况下甚至超越人类能力的智能系统。机器学习是AI的一个分支，它允许软件应用程序变得更加精确地预测结果而无需显式编程。通过分析数据和识别模式，机器学习算法可以学习其执行任务的指令。2.1.1 从数据中学习的算法机器学习算法通过训练过程从提供的数据集中学习，并根据学习到的数据模式做出决策或预测。2.1.2 与传统编程的区别在传统编程中，程序员编写规则来处理数据并产生输出。
大神！李宏毅课程集结成《深度学习详解》出版！
2401_85379281的博客
08-16 720
注意的是，本书并不是直接将视频讲解转换成文字，而是提炼出核心知识点，并进行了筛选和优化，使得原本晦涩的深度学习知识变得更加易于消化，为初学者提供了一条清晰的学习路径。李宏毅教授的“机器学习”课程以平易近人的语言和生动的实例，帮助学习者在轻松愉快的氛围中掌握机器学习的核心概念，为全球的学习者开启了智能时代的知识大门。本书通过丰富生动的案例深入浅出地讲解了深度学习理论，书中涵盖了经典的深度学习算法以及前沿的生成式人工智能算法，既适合初学者入门，也适合有一定基础的研究者查漏补缺，是一本不可多得的深度学习佳作。
一文读懂深度学习与机器学习
12-07 411
如果你经常想让自己弄清楚机器学习和深度学习的区别，阅读该文章，我将用通俗易懂的语言为你介绍他们之间的差别。机器学习和深度学习变得越来越火。突然之间，不管是了解的还是不了解的，所有人都在谈...
深度学习工程应用快速入门
GitChat
07-01 3128
课程介绍 伴随人工智能时代的到来，深度学习技术也发挥着越来越重要作用，越来越多的技术人才开始投身入这一行业中，并希望发展成为一名深度学习算法工程师。然而，在实际的工程设计中，深度学习研发者总会面临着各种问题与困惑，比如： 我们在设计深度网络的时候有什么技巧和原则吗？ VGG、ResNet 网络如何应用在实际的芯片上？ BN 层应该放在哪里比较合理？ 网络越深越好还是越宽越好？ 训练时如此多的优化...
一文读懂！人工智能、机器学习、深度学习的区别与联系！_人工智能、机器学习和深度学习
qingkahui24689的博客
07-27 1400
通俗来说，人工智能就是让计算机像人类一样思考、学习和做出决策。通过利用各种技术（如机器学习、深度学习、专家系统等），人工智能系统可以处理和分析大量数据，自主地学习和优化算法，从而完成各种复杂的任务。人工智能的应用非常广泛，包括但不限于语音识别、图像识别、自然语言处理、智能推荐、智能客服等。具体的，从技术层面来看（如下图），现在所说的人工智能技术基本上就是机器学习（含深度学习）方面的技术。机器学习、深度学习是人工智能的重要组成。机器学习。
深度学习的1000+篇文章总结
02-28 6982
深度学习的1000+篇文章总结 本文收集和总结了有关深度学习的1000+篇文章，由于篇幅有限只能总结近期的内容，想了解更多内容可以访问：http://www.ai2news.com/, 其分享了有关AI的论文、文章、图书。 query 深度学习之-卷积神经网络(CNN)概述 http://www.ai2news.com/blog/53008/ 转录剪切的深度学习扩增RNA-序列分析 http://www.ai2news.com/blog/50094/ 深度学习三巨头齐聚NVIDIA GTC
火遍日本 IT 界的深度学习入门书，你读完了吗？
GitChat
05-14 8765
关于深度学习，网上的资料很多，你可能会问，这本《深度学习入门：基于 Python 的理论与实践》，还有什么独家看点？我需要多久能搞懂深度学习？在日本 IT 圈，这本书的影响力超越了实力派的“花书”，长期位列日亚“人工智能”类图书榜首，众多五星好评。 这本入门书最大的特点就是教你如何创建深度学习模型。并且，本书不使用任何现有的深度学习框架，尽可能使用大学数学基础知识和 Python 库，从零讲解深...
【深度学习】李宏毅2021/2022春深度学习课程笔记 - Transformer
热门推荐
知不足而奋进，望远山而前行
11-11 2万+
Transformer是一个用于解决Seq2Seq问题的模型，用来解决输出长度不确定的问题Transformer是一个利用自注意力机制来提高模型训练速度的深度学习模型它适用于并行化计算它本身模型的复杂程度较高它在精度和性能上都要高于之前流行的RNN循环神经网络。Seq2Seq模型是输出的长度不确定时采用的模型，这种情况一般是在机器翻译的任务中出现，将一句中文翻译成英文，那么这句英文的长度有可能会比中文短，也有可能会比中文长，所以输出的长度就不确定了。它的输入是一个序列，输出也是一个序列。
怎样建设和培养懂战略懂技术懂业务懂产品的技术团队
AI天才研究院
07-19 816
怎样建设和培养懂战略、懂技术、懂业务、懂产品的技术团队 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：战略思维、技术能力、业务理解、产品意识、团队建设 1. 背景介绍
深度学习Day-37：NLP中的文本嵌入
m0_51359915的博客
10-17 824
1.2 定义填充函数self.fc = nn.Linear(embed_dim, 1) # 假设我们做一个二分类任务print("embedding输入文本是：",text)print("embedding输入文本shape：",text.shape)embedding_mean = embedding.mean(dim=1) # 对每个样本的嵌入向量进行平均print("embedding输出文本shape：",embedding_mean.shape)
基于深度学习的复杂器官建模与模拟
weixin_42605076的博客
10-10 1293
基于深度学习的复杂器官建模与模拟是一项前沿技术，它利用深度学习模型从大量医学图像和临床数据中提取信息，生成复杂器官的三维结构模型，并对其进行功能模拟。这项技术对于医学诊断、手术规划、药物开发和疾病研究有重要意义，特别是针对心脏、肝脏、肺等复杂器官。
【大模型实战篇】deep-ml项目深度学习关键模块代码练习题库及部分题目解法的分析
源泉的小广场
10-14 875
深度学习、机器学习、线性代数、python、源码、编程实践、问题解决
【鸟类识别系统】Python+卷积神经网络算法+人工智能+深度学习+ResNet50算法+计算机课设项目
子午的博客
10-12 1027
鸟类识别系统。本系统采用Python作为主要开发语言，通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型，然后进行模型的迭代训练，得到一个识别精度较高的模型，然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面，实现用户上传一张鸟类图像，识别其名称。本项目通过人工智能技术实现对鸟类图像的自动识别，满足用户在日常生活中快速、准确地识别鸟类的需求。
LeNet-5（论文复现）
wei_shuo的博客
10-11 1216
LeNet-5（论文复现）
深度学习-26-基于PyTorch的多层感知机DNN
最新发布
qq_20466211的博客
10-17 59
基于Fashion-MNIST数据集合PyTorch框架，搭建深度学习模型DNN并训练预测
循环神经网络-LSTM网络
2301_77698138的博客
10-09 1494
循环神经网络（Recurrent Neural Networks，RNN）是一种特殊的神经网络，具有能够处理序列数据的能力，然而，RNN在处理长序列时面临长期依赖问题，即当需要考虑较远过去的输入信息时，可能会由于反向传播过程中梯度的逐层累乘，导致梯度消失或爆炸，从而使得网络无法有效地学习到长时间跨度的依赖关系。为了解决RNN的长期依赖问题，长短期记忆网络（Long Short-Term Memory，LSTM）应运而生。LSTM是RNN的一种变种，具有更强的能力来处理长距离依赖关系。
吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）3.9-3.10
weixin_43597208的博客
10-17 1080
那里没有任何对象，那么我们希望你的神经网络在那里（第一个𝑝𝑐）输出的是 0，这里（第二个𝑝𝑐）是 0，然后我们输出一些值，你的神经网络不能输出问号，不能输出 don’t care-s，剩下的我输入一些数字，但这些数字基本上会被忽略，因为神经网络告诉你，那里没有任何东西，所以输出是不是对应一个类别的边界框无关紧要，所以基本上是一组数字，多多少少都是噪音（输出 𝑦 如编号 3 所示）。现在你也可以运行一下卷积算法，这个算法的其中一个缺点是，它在显然没有任何对象的区域浪费时间，对吧。
深度学习驱动的人体动作识别新法：解决混淆问题
本文主要探讨了一种基于深度学习的人体动作识别方法，针对深度视频中的四维信息在映射到二维空间后可能导致的动作分类混淆问题。深度学习在处理这类高维度数据上具有显著优势，因此研究者们提出了一种创新的解决方案...
评论 1
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
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