《深入浅出AI》前言知识：深度学习基础总结

已于 2024-09-14 00:18:48 修改
阅读量2k 收藏 21
点赞数 17
分类专栏： 深入浅出AI 文章标签： 人工智能 深度学习 机器学习 cnn rnn 生成对抗网络 神经网络
于 2024-09-13 13:17:01 首次发布
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_36816848/article/details/142208129
版权

在这里插入图片描述

💙个人主页: GoAI |💚 公众号: GoAI的学习小屋 | 💛交流群: 704932595 |💜个人简介 ： 掘金签约作者、百度飞桨PPDE、领航团团长、开源特训营导师、CSDN、阿里云社区人工智能领域博客专家、新星计划计算机视觉方向导师等，专注大数据与人工智能知识分享。
🎉AI学习星球推荐： GoAI的学习社区 知识星球是一个致力于提供《机器学习 | 深度学习 | CV | NLP | 大模型 | 多模态 | AIGC 》各个最新AI方向综述、论文等成体系的学习资料，配有全面而有深度的专栏内容，包括不限于 前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关（简历撰写技巧、面经资料与心得）多方面综合学习

了解本专栏 订阅专栏 解锁全文 超级会员免费看
GoAI
关注
专栏目录
订阅专栏
深度学习基础
跟随技术的脚步-linolzhang的专栏
01-11 4452
AI技术研究的兴起，伴随着两种最直观的思维技巧，即遗传算法与神经网络，这是对生物学研究最直观的技术抽象。深度学习的前身就是神经网络，这个80年代灵光乍现的技术，在那一波人工智能的大潮驱使下，带着人们对于未来AI时代的憧憬，迅速蔓延，一时风头无两，和今天深度学习的火热几乎如出一辙。         某乎友的观点给出了这两种技术的鲜明对比，如同麻汁与芝麻酱，换汤不换药，所谓深度在于把二两变成了三斤，
图像检测：深度学习基础
qq_45022743的博客
05-06 1638
选择合适的目标函数 均方误差 交叉熵 交叉熵与均方误差 可以想象为交叉熵目标函数的最优值搜索空间的地形更陡，更有利于快速的找到最优值 Softmax层 softmax层的作用是突出最大值并转换成概率的形式 梯度消失的直观解释 神经元的激活函数采用Sigmoid函数，则大部分情况下|W|<1,而Sigmoid的导数小于0.25 激活函数 2006年，人们（Hinton等）用RBM预训练的方式解决梯度消失的问题，到了2015年，使用ReLU激活函数 计算速度快 有生物依据 能解决梯度消失
新手入门第一课——什么是深度学习？
梁小憨憨的博客
10-07 1274
学习百度AI Studio的笔记，供自己复习和记录学习过程中的思路使用，如想了解详情请移步百度AI Studio。 新手入门第一课——什么是深度学习？一、深度学习的发展历程1.1 Turing Testing (图灵测试)1.2 医学上的发现1.3 Deep Learning的出现二、机器学习2.1 人工智能vs机器学习2.2 监督式学习vs非监督式学习三、深度学习如何工作3.1 神经网络3.2 通过训练改进神经网络3.3 我们如何降低成本函数呢?四、看看第一个例子吧！4.1 初识神经网络Step1:准备数
1.深度学习基础
weixin_44177594的博客
03-30 456
什么是深度学习1.人工智能、机器学习与深度学习1.1 人工智能1.2 机器学习1.3　从数据中学习表示1.4 深度学习之“深度”1.5　用三张图理解深度学习的工作原理2.深度学习之前：机器学习简史2.1　概率建模2.2　早期神经网络2.3　核方法2.4　决策树、随机森林与梯度提升机2.5深度学习不同 1.人工智能、机器学习与深度学习 三者关系： 1.1 人工智能 定义：努力将通常由人类完成的智力任务自动化。 1.2 机器学习 编程范式： 机器学习系统是训练出来的，而不是明确地用程序编写出来的。 1.3　从
深度学习--- 深度学习基础
最新发布
datian1234的博客
07-19 1192
人工智能（AI）是指将机器或计算机程序赋予类似于人类智能的能力，即可以像人一样感知、理解、学习、推理和创造。 * 机器学习（Machine Learning，简称ML）是人工智能中的一种方法和技术，通过让计算机从数据中学习模式和规律，从而不需要人类明确地编写特定的程序来完成任务。 * 深度学习（Deep Learning）是一种基于人工神经网络的机器学习技术，通过模拟人脑神经元之间的联系和活动方式，来实现对输入数据进行分析、抽象和处理的能力。
飞桨使用opencl
07-10
飞桨（PaddlePaddle），百度开源的深度学习框架，支持多种计算后端，包括CPU、GPU以及异构计算平台如CUDA和OpenCL。OpenCL是一个跨平台的并行计算标准API，它允许开发者编写可在各种设备上运行的高性能计算任务，比如图形处理单元（GPU）。在飞桨中，如果你想要利用GPU的并行计算能力，可以设置使用OpenCL作为底层运算引擎。 为了在飞桨中启用OpenCL，你需要安装相应的OpenCL驱动，并配置环境变量。首先确保你的系统支持OpenCL，然后可以在飞桨的配置文件或运行环境中指定`use_gpu=True`，同时设置`device_num`来指定使用GPU的数量。如果设备支持OpenCL，飞桨会自动切换到OpenCL加速计算。 然而，需要注意的是，OpenCL的兼容性和性能可能会因硬件和操作系统而异，有些GPU型号可能不直接支持OpenCL，或者OpenCL对于某些特定模型的优化不如CUDA显著。在实际应用中，最好先检查你的硬件是否支持OpenCL，以及在飞桨的文档或社区论坛寻求技术支持。
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

GoAI

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