李宏毅机器学习_8卷积神经网络

最新推荐文章于 2022-08-19 23:15:32 发布
最新推荐文章于 2022-08-19 23:15:32 发布
阅读量102 收藏
点赞数 1
分类专栏： 李宏毅课程-机器学习飞桨深度学习学院
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/qq_15821487/article/details/116636446
版权

在这里插入图片描述
1、局部观察特性，不需要看整个图片
在这里插入图片描述
2、不同位置可以参数共享
在这里插入图片描述
3、常规步骤是有最大池化的，缩小后不影响整体的形状，卷积、最大池化、拉升全连接。
在这里插入图片描述
汇总说明
在这里插入图片描述
每一个卷积就是去提取相对应的特征
在这里插入图片描述
卷积核的厚度是和输入是厚度相对应的
在这里插入图片描述
卷积的本质是全连接进行了，神经元删减了相关的参数和相关的参数进行了共享而已。
在这里插入图片描述
让神经元的提取特征最大化，逆向推导得出输入的特征
在这里插入图片描述
引入正则化，是X和W从不同的维度理解是互为参数
在这里插入图片描述
应用1让大的像素点更大，小的像素点更小deep dream
在这里插入图片描述
不同的风格相融合
deep style
在这里插入图片描述
理解模型的原理和实际应用场景的需求，灵活取舍，max并非必须,理解了背后本质的原理，就会比较好的应用了。图像的的像素M X M没个像素由多少个特征融合，不单单可以有三个或者一个，这个只是针对图像，其他的都可以自定义，都可以灵活应用
在这里插入图片描述
特定维度上的卷积才有效果，要局部相关才行，特征维度是相互独立的，而且不同的位置代表的意义都不一样
注意最后面要加一个全连接层，让模型看到图片的全貌。
从公式的角度还是从图像卷积过程的角度都可以分析出里面的局部原理，例如全连接，从图片的角度和公式的角度。

valid模式：正常模式，卷积的时候，边缘的像素考虑的少些
same模型：进行padding把边缘的像素同等考虑进来，计算次数和其他像素一致
池化，有最大池化和平均池化
熟悉一种框架或者产品，最快的方式就是反复去看api官方文档
反向计算梯度的时候，很多结果可以直接用正向计算损失的时候的中间值，可以直接用节约计算资源

愚昧之山绝望之谷开悟之坡
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
李宏毅机器学习作业8-异常检测（Anomaly Detection）， autoencoder， 残差网络
iwill323的博客
11-20 2446
李宏毅机器学习作业8-异常检测（Anomaly Detection） autoencoder
【李宏毅机器学习笔记】9、卷积神经网络（Convolutional Neural Network，CNN）
01-20
【李宏毅机器学习笔记】1、回归问题（Regression） 【李宏毅机器学习笔记】2、error...【李宏毅机器学习笔记】8、Tips for Training DNN 【李宏毅机器学习笔记】9、Convolutional Neural Network（CNN） ——————
李宏毅2020机器学习深度学习(8) Seq2seq 作业详解
梆子井欢喜坨的博客
05-09 1442
对应课程笔记:Conditional Generation by RNN&Attention
《李宏毅机器学习》task8
devcy的博客
06-10 215
《李宏毅机器学习》task8一、决策树的模型结构二、理解递归 一、决策树的模型结构 算法 支持模型 树结构 特征选择 连续值处理 缺失值处理 剪枝 ID3 分类 多叉树 信息增益 不支持 不支持 不支持 C4.5 分类 多叉树 信息增益比 支持 支持 支持 CART 分类/回归 二叉树 基尼系数，均方差 支持 支持 支持 ID3 由于期望信息越小，信息增益越大，从而纯...
《机器学习》李宏毅P5-8
最新发布
静妮子的博客
08-19 646
机器学习——李宏毅
李宏毅《机器学习》2020春季课程作业
老肥码码码
04-17 2064
台大李宏毅教授的2020年的机器学习春季课程已经上线。 学习一波，走你！ 光看视频肯定不行， 作业一定要自己动手完成才行。但是作业是发布在google云上的，为方便大家，我这里有完整的作业资源，需要的可以在后台回复 ML获得！ ...
HW_3_李宏毅2020机器学习作业_李宏毅作业3_李宏毅hw3_李宏毅作业三_saledzj_
10-01
《李宏毅2020机器学习作业3：Python实现深度学习基础》 在本次作业中，我们将深入探讨李宏毅教授...这将为他们进一步深入研究深度学习领域的高级主题，如卷积神经网络、循环神经网络、生成对抗网络等奠定坚实的基础。
李宏毅机器学习2021HW3食物数据集
06-01
这个数据集涉及的标签“深度学习”表明，我们可以使用深度神经网络，如卷积神经网络（CNN）来进行食物图像的分类。CNN因其在图像处理领域的出色表现而广泛应用于图像识别任务。通过多层非线性变换，CNN可以从原始...
李宏毅2020机器学习课程课后作业要求+代码.zip
03-14
3. 深度学习基础：包括神经网络结构、反向传播、卷积神经网络（CNN）和循环神经网络（RNN）等，以及如何在实际问题中应用这些模型。 4. 实战项目：可能会有图像分类、文本情感分析、推荐系统等实际案例，让学生将...
李宏毅机器学习笔课件
01-18
《李宏毅机器学习笔记详解》 在当今的数字化时代，机器学习作为人工智能的重要分支，已经深入到我们生活的各个领域。李宏毅教授的机器学习课程因其深入浅出的讲解方式，深受广大学习者喜爱。这份“李宏毅机器学习笔...
李宏毅机器学习作业3CNN数据testing set 和validation set
12-19
李宏毅教授的机器学习课程中，作业3涉及到卷积神经网络（CNN）的应用，数据集被分为三个部分：训练集（training set）、验证集（validation set）和测试集（testing set）。下面将详细解释这三个部分以及它们在CNN...
卷积神经网络.pptx
12-17
对卷积神经网络基本思想的简单介绍，ppt依据b站上的李宏毅讲卷积神经网络，适用于组会或者课程汇报，配合视频学习效果更好。
李宏毅机器学习作业3CNN数据training set
12-19
在本资源中，"李宏毅机器学习作业3CNN数据training set"主要涉及的是使用卷积神经网络（CNN）进行机器学习的任务。CNN是深度学习领域中一种非常重要的模型，尤其在图像处理和计算机视觉任务中表现卓越。在这个作业中...
台大李宏毅机器学习课件
11-09
6. 神经网络与深度学习：模拟人脑神经元工作原理，通过多层非线性变换进行复杂模式识别，如卷积神经网络（CNN）用于图像识别，循环神经网络（RNN）用于序列数据处理。 【算法评估与优化】 1. 模型评估：使用交叉...
李宏毅2021机器学习深度学习笔记PPT作业
09-05
在"machineLearningDeepLearning-main"这个文件夹中，我们可以预期找到关于人工神经网络（ANN）、卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）、自编码器（Autoencoder）、生成对抗网络（GAN...
李宏毅《机器学习》课程笔记（作业八：seq2seq）
如花美眷，似水流年~
05-12 950
怎么样生成一个有结构的东西。可以用RNN依次产生序列的元素。 在智能对话等等场景中，是”有条件的生成“。核心的思路是用一个encoder把输入变成一个vector，再用一个decoder输入这个vector Attention就是一种动态的条件生成网络。 待后续补充 ...
李宏毅机器学习8
weixin_42992654的博客
11-14 141
" hello world " of Deep Learning TensorFlow 和Theano比较灵活，相当于一个微分器，学起来比较有难度 keras 相当于Interface of TensorFlow or Theano，比较容易学习和使用。 Keras在希腊语是牛角(horn)的意思。 用Keras做MNIST Step 1 定义一个neural network，比如定义一个如下...
深度学习机器学习课件李宏毅
08-21
李宏毅教授的课程可能涵盖这些基本概念，并进一步探讨深度学习中的关键技术，如卷积神经网络（CNN）用于图像处理，循环神经网络（RNN）和长短时记忆网络（LSTM）用于序列数据，以及生成对抗网络（GAN）用于创造新...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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