动手学习深度学习 | 笔记汇总

最新推荐文章于 2024-01-11 17:07:21 发布
最新推荐文章于 2024-01-11 17:07:21 发布
阅读量400 收藏
点赞数
分类专栏： 动手学习深度学习笔记
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/qiu931110/article/details/104293145
版权
yuanCruise
关注
专栏目录
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 27万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
【AI】《动手学-深度学习-PyTorch版》笔记（三）：PyTorch常用函数
郭老二
07-26 946
整理几个PyTorch常用函数：arange、shape、reshape等
动手学习深度学习 | python函数学习
沐埜专栏
02-14 541
(1):维度dim，保持原有维度keepdim 下面通过图像的形式直观的展示了这两个参数的作用。 X = torch.tensor([[1, 2, 3], [4, 5, 6]]) print(X.sum(dim=0, keepdim=True)) # dim为0，按照相同的列求和，并在结果中保留列特征 print(X.sum(dim=1, keepdim=True)) # dim为1，按照相同...
《动手学深度学习》笔记
qq_42571014的博客
04-14 2533
动手学深度学习
动手学深度学习笔记（1）
peacefairy的博客
09-14 245
动手学深度学习深度学习简介预备知识三级目录 深度学习简介 举一个小的例子，如何编写一个程序，让机器识别我输入的图片是否有一只猫？我们需要哪些值来帮助我们确定？事实上，要想解读图像中的内容，需要寻找仅仅在结合成千上万的数值时才会出现的特征，如边缘、质地、形状、眼睛、鼻子等，最终才能判断图像中是否有猫。 通俗来说，机器学习是一门讨论各式各样的适用于不同问题的函数形式，以及如何使用数据来有效地获取函数参数具体值的学科。 深度学习是指机器学习中的一类函数，它们的形式通常为多层神经网络。 机器学习，神经网络是
【无标题】
weixin_46587777的博客
06-05 225
mxnet
动手学习深度学习笔记
u012678323的专栏
04-06 850
阅读指南 第一部分（第1章至第3章）涵盖预备工作和基础知识。第1章介绍深度学习的背景。第2章提供动手学深度学习所需要的预备知识。第3章包括深度学习最基础的概念和技术，如多层感知机和模型正则化。如果读者时间有限，并且只想了解深度学习最基础的概念和技术，那么只需阅读第一部分。 第二部分（第4章至第6章）关注现代深度学习技术。第4章描述深度学习计算的各个重要组成部分，并为实现后续更复杂的模型打下基础。第5章解释近年来令深度学习在计算机视觉领域大获成功的卷积神经网络。第6章阐述近年来常用于处理序列数据的循环神经网
【动手学深度学习】Task03笔记汇总
01-06
从公式和名字易见，该方法加入了对权重系数的2范数作为惩罚项从而学习到数值较小的参数。（那么自然而然会产生的问题就是：为什么不对偏置做正则化，这个可以去实验一下，应该会发现偏置没有权重敏感） 丢弃法。我...
【动手学深度学习】Task05笔记汇总
01-06
Task05：卷积神经网络基础；leNet；卷积神经网络进阶 相比taks04，感觉这边比较能看得下去，就先看了。   卷积神经网络基础 1.卷积和池化的计算概念不难理解，本质还是矩阵运算，又在感叹之前老师在代数学里埋的...
动手学深度学习笔记3——线性代数
weixin_66472769的博客
04-04 588
《动手学深度学习》笔记 第二章 预备知识 2.3线性代数
《动手学深度学习》学习笔记
最新发布
欢迎来到槐月初叁的博客
01-11 2070
本文首先介绍了深度学习的基础知识，包括线性回归、多层感知机、卷积神经网络、循环神经网络的基本原理，在其基础上讲解网络优化算法进一步优化网络和自定义网络实现自己的网络。然后介绍深度学习的应用，具体包括单发多框目标检测、语义分割、风格迁移、中英文翻译系统。最后总结我对本课程学习的心得体会和建议。
《动手学深度学习》—学习笔记
studyeboy的专栏
12-02 3336
在线学习网址： https://zh.d2l.ai/ GitHub： d2l-zh（中文版） d2l-en（英文版） 代码 代码是基于Apache MXNet实现，MXNet是一个开源的深度学习框架。它是AWS（亚马逊云计算服务）首选的深度学习框架，也被众多的学校和公司使用。 深度学习简介 机器学习是一门讨论各式各样的适用于不同问题的函数形式，以及如何使用数据来有效的获取函数参数具体值的学科。...
动手学深度学习《学习笔记》
qq_31720305的博客
02-14 626
文章目录线性回归 线性回归 模型：y = wx+b 损失函数： 一般为平方差损失 优化函数：梯度下降法（每次训练更新表达如下）
《动手学习深度学习》笔记
WayHoo
11-27 712
1. 深度学习简介 1.1 起源 时至今日，绝大多数神经网络都包含以下的核心原则： 交替使用线性处理单元与非线性处理单元，它们经常被称为“层”。 使用链式法则（即反向传播）来更新网络的参数。 2. 预备知识 2.1 获取和运行本书代码（Windows环境） 安装Anaconda3 pip配置清华镜像源 下载包含本书全部代码的压缩包，解压后在目录下打开cmd执行conda env create -f environment.yml # To activate this environment, use
动手学深度学习-学习笔记（三）
sueichen的博客
02-15 557
过拟合、欠拟合及其解决方案 过拟合、欠拟合的概念 权重衰减 丢弃法 模型选择、过拟合和欠拟合 训练误差和泛化误差 在解释上述现象之前，我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛...
[深度学习]动手学深度学习笔记-6
qq_42662568的博客
02-18 374
Task-3——循环神经网络进阶 6.1 长短期记忆（LSTM） 6.1.1 理论知识理解 理解LSTM网络 6.1.2 LSTM的从零开始实现 以下附上代码： 导入相应的包 import numpy as np import torch from torch import nn, optim import torch.nn.functional as F import sys sys.p...
动手学深度学习
C_tommy的专栏
12-04 695
​ （资料下载方式见文末） 内容简介：本书向希望了解深度学习，特别是对实际使用深度学习感兴趣的学习者。本书并不要求你有任何深度学习或者机器学习的背景知识，我们将从头开始解释每个概念。虽然深度学习技术与应用的阐述涉及了数学和编程，但你只需了解基础的数学和编程，例如基础的线性代数、微分和概率，以及基础的Python编程。本书将全⾯介绍深度学习从模型构造到模型训练的⽅⽅⾯⾯，以及它们在计算机视觉和⾃...
评论
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

打赏作者

yuanCruise

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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