zhanghui_cuc
中国传媒大学\视频技术\硕士
展开
-
如何将Paddle(Lite)模型转换为TensorFlow(Lite)模型
模型间的相互转换在深度学习应用中很常见,paddlite和TensorFlowLite是移动端常用的推理框架,有时候需要将模型在两者之间做转换,本文将对转换方法做说明。原创 2024-04-09 19:31:06 · 526 阅读 · 1 评论 -
深度学习入门笔记(附录一)性能优化实战经验
前面几节介绍了很多理论,难免会好奇:理论如何与实战结合呢?本节我们就穿插一点实战经验,来换换脑子~原创 2024-02-02 23:42:32 · 556 阅读 · 0 评论 -
深度学习入门笔记(九)自编码器
自编码器是一个无监督的应用,它使用反向传播来更新参数,它最终的目标是让输出等于输入。数学上的表达为,f(x) = x,f 为自编码器,x 为输入数据。自编码器会先将输入数据压缩到一个较低维度的特征,然后利用这个较低维度的特征重现输入的数据,重现后的数据就是自编码器的输出。所以,从本质上来说,自编码器就是一个压缩算法。如下图有三点需要注意。原创 2024-02-08 17:06:23 · 691 阅读 · 0 评论 -
深度学习入门笔记(八)可以不断思考的模型:RNN与LSTM
梯度接近 0 则意味着梯度消失了;针对RNN的问题,如果我们能让 RNN 在接受上一时刻的状态和当前时刻的输入时,有选择地记忆和删除一部分内容(或者说信息),问题就可以解决了,比如有一句话提及刚才吃了苹果,那么在此之前说的吃香蕉的内容就没那么重要,删除就好了。之前学到的 CNN 和全连接,模型的输入数据之间是没有关联的,比如图像分类,每次输入的图片与图片之间就没有任何关系,上一张图片的内容不会影响到下一张图片的结果。也就是指当前系统的状态,可能受很长时间之前系统状态的影响,这是RNN中无法解决的一个问题。原创 2024-02-08 16:57:28 · 395 阅读 · 0 评论 -
深度学习入门笔记(七)卷积神经网络CNN
本节深入介绍CNN原创 2024-02-02 23:32:02 · 919 阅读 · 0 评论 -
深度学习入门笔记(六)线性回归模型
顾名思义,就是用一种线性关系进行回归。回归与分类都属于有监督学习,分类预测的是一个类别,而回归预测的是一个数值,例如房价、天气的温度、股票的走势。线性关系 f(x)可以定义为向量的表示方式为其中 w 为权重,是一个列向量,b 是一个偏移项。这个 f(x)就是我们说的线性回归模型。我们对 f(x)的训练,就是获得 f(x)中的 w 与 b。我们可不可以把线性回归模型用于分类问题呢?答案是可以的,只需要把回归方程 f(x)输出加一个 sigmoid 函数就可以了。原创 2024-02-02 23:18:03 · 131 阅读 · 0 评论 -
深度学习入门笔记(五)模型是如何自我学习的:前馈网络与反向传播
接着上一节,本节讲解模型自我学习的数学计算过程究竟是怎么样的。原创 2024-02-02 23:14:21 · 170 阅读 · 0 评论 -
深度学习入门笔记(四)模型是如何自我学习的:函数与优化方法
深度学习有三大部分本节我们就来介绍模型是如何学习或更新的。原创 2024-02-02 23:05:09 · 165 阅读 · 0 评论 -
深度学习入门笔记(三)深度学习基本常识与术语
本节我们介绍一些深度学习领域常用的术语。原创 2024-02-02 22:51:50 · 127 阅读 · 0 评论 -
深度学习入门笔记(二)神经元的结构
神经网络的基本单元是神经元,本节我们介绍神经元的结构。原创 2024-02-02 22:40:08 · 487 阅读 · 0 评论 -
深度学习入门笔记(一)必备数学基础知识
本节中,我们先来介绍一些深度学习中必备的数学知识,有些是大学课堂讲过的,还有些可能没有,对于第一次见到的知识,可以先不用深究,了解概念即可,再后面应用的时候可以翻过头再看。原创 2024-02-02 22:24:32 · 328 阅读 · 0 评论