深度学习打卡1

最新推荐文章于 2024-10-30 19:14:46 发布
最新推荐文章于 2024-10-30 19:14:46 发布
阅读量143 收藏
点赞数
分类专栏： Python 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/qq_33610102/article/details/104319413
版权

Task01：线性回归；Softmax与分类模型、多层感知机
Task02：文本预处理；语言模型；循环神经网络基础
因为之前对理论有基础，PyTorch代码部分就不做记录。

阿斯兰德尼亚
关注
专栏目录
百度飞桨深度学习7日打卡营 课程总结1
???的博客
03-05 587
百度飞桨深度学习7日打卡营 课程总结1 课程链接 https://aistudio.baidu.com/aistudio/course/introduce/7073 飞桨官网 https://www.paddlepaddle.org.cn/ 课程案例合集 https://aistudio.baidu.com/aistudio/projectdetail/1505799?channelType=0&channel=0 目录 深度学习基本概念 数学基础知识 Python基础 Notebook基础操作
百度飞桨NLP课后作业1
SHANG__HC的博客
02-29 953
作业1-1 （1）下载飞桨本地并安装成功,将截图发给班主任 已发 （2）学习使用PaddleNLP下面的LAC模型或Jieba分词 LAC模型地址：https://github.com/PaddlePaddle/models/tree/release/1.6/PaddleNLP/lexical_analysis Jieba模型：https://github.com/fxsjy/jieba 这里我用...
发现一个神奇的深度学习打卡营
01-06
机缘巧合之下，参加了百度7日深度学习入门打卡营，见到了美丽的胡晓曼老师，听说她以前是一枚算法工程师，后来转行做了百度飞桨的运营，可真有勇气！向她学习！晓曼老师之前出过很多关于机器学习、深度学习的基础教程，所以这次的课程质量我还是很放心的。 课程是在百度AI Studio教学平台上进行，视频+文档+实践+比赛，从CV、NLP到推荐、分布式，我们循序渐进，快速入门深度学习。 波士顿房价预测、飞机识别、水果识别、中文分词等等，我们通过案例学习深度学习，通过代码实操检验自己的学习成果，到最后还有专业的深度学习书籍和小度在家等奖品，不得不说，这免费课程可真给力，真舍得下血本！ 听说第四期就要召开了，这次
百度飞桨系列课程：百度架构师手把手带你零基础实践深度学习——21日学习打卡（预习日）
zhu_rui的博客
08-11 1332
百度架构师手把手带你零基础实践深度学习——21日学习打卡 该课程博文将以系列形式持续更新！本人水平有限，欢迎各位同学前来探讨！ 下面给出课程链接： 百度架构师手把手带你零基础实践深度学习 也可扫码参加课程： 预习章节 作业一：飞桨本地测试代码运行成功截图 ####请在下面cell中上传飞桨安装成功的截图#### answer：（本地安装完后，运行如下代码） import paddle.fluid as fluid if __name__ == '__main__': ...
新冠疫情可视化paddlepaddle
qq_35622355的博客
04-07 669
项目数据集课程比赛社区9+中 | En访问飞桨官网文档教育合作 课程>我的课程>[作业]新冠疫情可视化-作业版 新冠疫情可视化-作业版 预览试题 作业内容数据集 作业说明： 作业1:飞桨本地安装 提交飞桨本地安装成功的截图，如下图所示，有安装问题可以随时在群里提问，可参考飞桨官网：https://www.paddlepaddle.org.cn/documentation/docs/zh...
【深度学习打卡1】Jupyter Notebook上手实况
m0_74574927的博客
07-08 454
深度学习初体验，先打磨武器，学好工具的使用方法。图书馆找了本书介绍Jupyter Notebook的，开学。
深度学习打卡3
weixin_42276911的博客
02-18 122
【学习打卡】ZFNet深度学习图像分类算法
像初雪一样自由洒落
12-15 1777
ZFNet学习
动手学深度学习打卡之二。
01-20
深度学习是一种强大的机器学习方法，它利用多层神经网络对数据进行建模，以解决复杂的模式识别和预测问题。在本篇中，我们将探讨在深度学习中遇到的一些关键概念，包括过拟合、欠拟合及其解决方案，梯度消失与梯度...
百度PaddlePaddle深度学习七日打卡技术心得及笔记
12-21
在“百度PaddlePaddle深度学习七日打卡技术心得及笔记”中，参与者经历了一次丰富而系统的深度学习之旅。此次学习活动从Python基础开始，逐步深入到深度学习的实战应用，采用了一种互动性强、激励性强的学习模式，...
伯禹 动手学深度学习 打卡07 之 LeNet
01-20
卷积神经网络（CNN，Convolutional Neural Networks）在图像识别和处理领域具有显著优势，尤其是在解决全连接层存在的问题...理解LeNet的工作原理对于深入研究深度学习，特别是计算机视觉领域的应用，是非常有帮助的。
Pytorch学习--DataLoader的使用
weixin_68930974的博客
10-24 1130
Pytorch学习--DataLoader的使用
长短期记忆网络（LSTM）详解
m0_73640344的博客
10-26 1481
和问题。LSTM通过引入独特的和，能够捕捉长时间跨度的依赖关系，成为自然语言处理、语音识别、时间序列预测等任务中的核心模型。以下将详细说明LSTM的结构、运作原理、门控机制及其相对于传统RNN的优势。
基于 GADF+Swin-CNN-GAM 的高创新扰动信号识别模型！
最新发布
10-30 455
基于格拉姆矩阵GADF+Swin Transformer窗口注意力和CNN-GAM全局注意力的电能质量扰动信号识别模型!
深度学习（六）CNN：图像处理的强大工具（6/10）
小相探索IT世界
10-27 1416
卷积神经网络（Convolutional Neural Networks，CNN）是深度学习的代表算法之一，在深度学习中占据着重要地位。CNN 的发展历程可追溯至 20 世纪 80 至 90 年代，时间延迟网络和 LeNet - 5 是最早出现的卷积神经网络。随着深度学习理论的提出和数值计算设备的改进，CNN 在 21 世纪后得到了快速发展，并被广泛应用于计算机视觉、自然语言处理等领域。CNN 的结构组成主要包括输入层、卷积层、池化层、全连接层和 Softmax 层等。
深度学习：梯度下降算法简介
m0_73640344的博客
10-29 966
在深度学习的训练过程中，梯度下降算法（Gradient Descent，简称GD）扮演着至关重要的角色。这一算法的核心机制是利用数据集的梯度信息来迭代更新模型参数，以最小化损失函数。接下来，我们将详细讨论其各种变体和进化。1. 随机梯度下降（SGD）由于全批量的梯度下降在面对大规模数据集时会受到内存限制和迭代速度的制约，学者们提出了随机梯度下降（Stochastic Gradient Descent，SGD）。这种方法每次迭代仅使用数据集中的一个小批量样本来计算梯度和更新参数。
基于Unet卷积神经网络的脑肿瘤MRI分割
10-28 1421
采用Unet网络架构，选择resnet34作为编码器，并初始化编码器权重为ImageNet上的预训练权重。模型输入通道设置为3（适用于RGB图像），输出通道设置为2，对应于图像的背景和病变区域。
基于深度学习的人脸识别签到系统设计实现
1. 深度学习理论基础：该项目涉及深度学习的核心概念和理论，包括但不限于神经网络、卷积神经网络（CNN）、深度卷积网络等。深度学习模型通过模拟人脑处理信息的方式，能够从海量数据中自动学习和提取特征。 2. ...
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
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