深度学习（一）

最新推荐文章于 2024-06-15 10:07:28 发布
最新推荐文章于 2024-06-15 10:07:28 发布
阅读量102 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习 机器学习 神经网络
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_35578807/article/details/120572507
版权

导论

机器学习和深度学习的关系

机器学习：计算机用算法从数据中挖掘模式和特征，分为监督（分类和回归，需要用带标签的样本去训练模型）和无监督（聚类和降维，不需要带标签的样本）

分类比如输入一个图片，判断是猫还是狗；回归比如输入面积，地段等来预测房价；分类是预测离散的类别，而回归是预测一个连续的值。

聚类是把数据按自组织、自相似的原则聚成一簇；降维是把高维数据降为地维数据方便观察

分类和聚类生成的是离散的值，回归和降维生成的是连续的值

深度学习特指用深度学习网络解决机器学习问题的一种方法
在这里插入图片描述

多层感知器=前馈神经网络=全连接神经网络

在机器学习中，区分恰好是零和非零但值很小的元素的非常重要的

qq_35578807
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
最适合入门的100个深度学习项目
CSDN 精品推荐
10-17 9万+
本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。
深度学习知识点全面总结
热门推荐
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 22万+
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.........
深度学习通俗简述
weixin_63053052的博客
03-30 4901
特征表示学习 简述： 特征表示学习是一套给机器灌入原始数据，然后能自动发现需要进行检测和分类的表达的方法 。 传统机器学习算法： 传统的机器学习算法，需要人为设计特征。比如要用线性回归预测一所房子的价格，我们会人为划分出面积、地段等要素，这些要素就是我们人为划分出来的特征。 但是，人为划分出来的特征往往是是不足够的，而且很多时候并不准确。比如我们划分除了面积和地段，却遗漏了房屋年限这一也很重要的要素，即使我们经过精确的统计和计算划分出了上百个特征，也依然存在遗漏或不准确的可能。 深度学习算法：
PyTorch 深度学习入门
努力是为了站在万人之中，成为别人的光
06-14 2万+
深度学习是机器学习的一个分支，其中编写了模仿人脑功能的算法。深度学习中最常用的库是 Tensorflow 和 PyTorch。由于有各种可用的深度学习框架，人们可能想知道何时使用 PyTorch。以下是人们可能更喜欢将 Pytorch 用于特定任务的原因。Pytorch 是一个开源深度学习框架，带有 Python 和 C++ 接口。Pytorch 位于 torch 模块中。在 PyTorch 中，必须处理的数据以张量的形式输入。如果您的系统中安装了 Anaconda Python.........
Python 深度学习
expert_joe的博客
11-30 7858
深度学习
深度学习信号处理
weixin_45209597的博客
04-25 5678
获取数据集 官方给出了数据集下载地址，直接下载即可。这是一个轴承在一段时间内的振动信号数值及其故障类别。注意，振动信号数值已经说明，时间序列的同列取值不相关，甚至可以认为每一个id时间序列数目也不一样，所以必须对时序数据提取特征。 注意，数据集仓库还有其他一些高校数据集，注意版权问题。 ———————————————— 版权声明：本文为CSDN博主「周先森爱吃素」的原创文章，遵循 CC 4.0 B...
深度学习模型列举
zhangzhechun的专栏
03-17 5089
生成对抗网络（Generative Adversarial Networks，GAN）：由生成器和判别器两部分组成，用于生成能够欺骗判别器的假样本，主要应用于图像、视频、音频等生成任务。它可以学习序列中的上下文信息，能够自动捕捉输入数据中的长期依赖性。自编码器（Autoencoder，AE）：一种无监督学习模型，用于数据压缩、去噪和特征提取等任务，能够学习输入数据的低维表示。除了上述模型，还有很多其他的深度学习模型，如Transformer、BERT、GPT等，它们在自然语言处理领域中应用广泛。
深度学习模型部署学习一
weixin_51179742的博客
07-14 6326
在软件工程中，部署指把开发完毕的软件投入使用的过程，包括环境配置、软件安装等步骤。对于深度学习模型来说，模型部署指让训练好的模型在特定环境中运行的过程。运行模型所需的环境难以配置。深度学习模型通常是由一些框架编写，比如 PyTorch、TensorFlow。由于框架规模、依赖环境的限制，这些框架不适合在手机、开发板等生产环境中安装。深度学习模型的结构通常比较庞大，需要大量的算力才能满足实时运行的需求。模型的运行效率需要优化。 step1. 使用任意一种深度学习框架来定义网络结构，并通过训练确定网络中的参数。
深度学习deep learning
qq_46458188的博客
11-28 1万+
一、简介 深度学习是包含多个隐层的机器学习模型，核心是基于训练的方式，从海量数据中挖掘有用信息，实现分类与预测。 早期的深度学习模型：编码器、循环神经网络、深度置信网络、卷积神经网络 衍生模型：堆叠降噪自编码器、稀疏自编码器、降噪自编码器 深度学习的常用模型：卷积神经网络（CNN），深度信念网络（DBN），深度自动编码器（DAE），限制玻尔兹曼机（RBM）。CNN有全监督学习和权值共享的特点，在自然语言处理和语音图像识别领域有很强优势。其他深度学习模型大多先采用无监督方式逐层预训练，再使用有...
深度学习：数据驱动的人工智能革命
想你依然心痛的博客
02-03 2万+
深度学习的崛起标志着人工智能领域迈出了重要的一步，同时也为各行各业带来了巨大的机遇和挑战。通过模拟人类大脑的学习过程，深度学习能够自动提取特征、识别模式，并在多个领域实现了突破性的进展。特别是在自然语言处理、计算机视觉、语音识别和机器翻译等方面，深度学习已经成为重要的工具和技术。随着算法和模型的不断改进，计算能力的提升以及数据量的增长，深度学习的应用范围将会进一步扩大，对各行各业产生更为深远的影响。因此，了解和掌握深度学习的原理和应用成为了当今科技发展的重要课题。
深度学习一行一行敲faster rcnn keras版系列视频讲解-1
03-13
自己精心整理的深度学习一行一行敲faster rcnn keras版系列视频讲解mp4,华文讲解,很详细!打包成两部分,这是一 '1 1,网络训练深度学习一行一行敲faster rcnn keras版.mp4' '1 2,网络训练深度学习一行一行敲faster ...
python 深度学习 一个四字验证码的数据集
07-05
内含6000张jpg图片和一个csv标签表，每张图片的像素是80*20，上面有4个大写的字母，这四个字母就是验证码
分享一套Matlab深度学习资料
06-16
分享一套Matlab深度学习资料分享一套Matlab深度学习资料分享一套Matlab深度学习资料分享一套Matlab深度学习资料分享一套Matlab深度学习资料
深度学习参考文献1
08-04
深度学习是机器学习领域中一个非常重要的分支，它具有广泛的应用前景，如计算机视觉、自然语言处理、语音识别等。深度学习模型可以学习到非常复杂的模式，具有很强的表达能力和泛化能力。 在深度学习领域中，三维...
MindSpore深度学习框架
03-10
MindSpore深度学习框架是一种适用于端边云场景的新型开源深度学习训练/推理框架。 MindSpore深度学习框架提供了友好的设计和高效的执行，旨在提升数据科学家和算法工程师的开发体验，并为Ascend AI处理器提供原生...
基于注意力机制卷积神经网络结合门控单元CNN-GRU-SAM-Attention实现柴油机故障诊断附matlab代码
算法如诗的博客
06-13 511
基于注意力机制卷积神经网络结合门控单元CNN-GRU-SAM-Attention实现柴油机故障诊断附matlab代码
LayerNorm层归一化
weixin_57128596的博客
06-11 1097
【虽然没有像BN那样对不同批次相同维的数据进行归一化（BN通过局部批次的数据得到每一个维度上数值的方差和均值），但是因为LN也缩小了数值的大小，所以说分布变化也一定变小了】批次的区别，然后BN去缩小他们的的区别】，而 Layer Norm 的核心强调的是每个批次中不同维度数据之间的区别。通过归一化，每个样本的特征维度被标准化，使得每个维度的数据在训练过程中更加稳定，从而强化了每个维度数据的特征。由于每一层的输入数据具有相同的均值和方差，梯度的传播更加稳定，有助于训练过程的稳定性和收敛速度。
深度学习之条件生成对抗网络（Conditional GANs, cGANs）
JustinMars的博客
06-14 231
在传统的GANs中，生成器从潜在空间中学习到一个映射，直接生成接近真实数据分布的样本。而在cGANs中，生成器和判别器除了输入潜在变量（通常是一个随机向量），还接收额外的条件信息。这些条件信息可以是类别标签、文本描述或其他形式的属性，用于指导生成器生成具有特定属性的数据。
基于python-CNN卷积网络训练识别牛油果和猕猴桃-含数据集+pyqt界面
最新发布
分享知识
06-15 362
本代码对数据集进行了预处理，包括通过在较短边增加灰边，使得图片变为正方形(如果图片原本就是正方形则不会增加灰边)，和旋转角度，来扩增增强数据集，运行02深度学习模型训练.py就会将txt文本中记录的训练集和验证集进行读取训练，训练好后会保存模型在本地。运行03pyqt_ui界面.py就可以有个可视化的ui界面，通过点击按钮可以加载自己感兴趣的图片识别。下载本代码后，有个requirement.txt文本，里面介绍了如何安装环境，环境需要自行配置。本代码是基于python pytorch环境安装的。
csdn深度学习实验一
09-20
CSDN深度学习实验一是一项通过使用深度学习算法对给定数据集进行训练和预测的实验。这个实验旨在帮助学习者了解深度学习的基本原理和应用。 在实验一中，我们首先需要准备一个适合深度学习算法的数据集。这个数据集...

“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
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