![](https://img-blog.csdnimg.cn/20190927151043371.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 79
从基本的网络构型开始,到实战项目。
love2study
这个作者很懒,什么都没留下…
展开
-
python与矩阵
python与矩阵矩阵的逆:np.linalg.inv(matrix)矩阵对角线:matrix.diagonal()矩阵的迹:matrix.diagonal().sun()矩阵的秩:np.linalg.matrix_rank(matrix )矩阵的行列式:np.linalg.det(matrix)返回均值:np.mean(matrix)返回方差:np.var(matrix)返回标准差:np.std(matrix)计算两个向量的点积:np.dot(vector_a, vector_b)/ve原创 2022-04-13 15:41:04 · 270 阅读 · 0 评论 -
卷积神经网络CNN
卷积神经网络CNN的结构图像→\rightarrow→卷积层→\rightarrow→池化层→\rightarrow→全连接层→\rightarrow→输出卷积层卷积:通过对图像进行卷积运算,对图像的某个特诊进行选择性地增强或者减弱。卷积层中使用多个过滤器对输入图像的特征进行侦测。图像的值对应的是该点的颜色。通道数:在一般的图像数据中,每个颜色都包含RGB三种颜色。一副图像的张数称为通道数。过滤器与输入图像有相同数量的通道。偏置:每个过滤器都对应一个偏置。池化层池化:池化层负责将图像的各个原创 2022-03-31 20:09:30 · 2895 阅读 · 0 评论 -
全连接神经网络 MLP
全连接神经网络–MLP全连接神经网络,又叫多层感知机,是一种连接方式较为简单的人工神经网络,是前馈神经网络的一种。MLP的神经网络架构网络架构为:通过输入层,隐藏层,输出层三个网络层组成,其中隐藏层可以有多层。BP传播的原理梯度下降法正向传播,对网络层的输出进行传播,反向传播,对输入的梯度进行传播。输出层:偏置的梯度权重的梯度输入的梯度中间层:偏置的梯度权重的梯度输入的梯度网络层下表神经元数量输入层il中间层jm输出层k原创 2022-03-31 19:37:22 · 35753 阅读 · 1 评论 -
神经网络的入门
神经网络入门神经网络的介绍单个神经细胞的模型化神经元:多个输入---->权重—>偏置—>激励函数—>输出符号表示:x为输入函数,W为权重,b为偏置常量,f为激励函数,y为输出则y=f(∑(xi∗wi+b))y=f(\sum(x_i * w_i+b))y=f(∑(xi∗wi+b))神经元的网络化在神经网络中,网络层包括输入层,中间层(隐藏层),输出层。正向传播:从转递输入信息到产生输出的过程反向传播:从输出向输入逆向传递信息的过程符号表示:前面网络层有m个,后原创 2022-03-31 19:16:39 · 1233 阅读 · 0 评论