深度学习复习总览（六）

已于 2023-08-13 21:31:40 修改
阅读量735 收藏 7
点赞数
分类专栏： 深度学习 深度学习实验 文章标签： 神经网络 人工智能 机器学习
于 2020-10-19 18:49:25 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_37534947/article/details/109166343
版权
本文聚焦深度学习中的循环神经网络（RNN），详细阐述了RNN的原理、应用场景及其在序列数据处理中的优势。通过对RNN的学习，读者可以深入理解其在自然语言处理和时间序列预测等领域的应用。
摘要由CSDN通过智能技术生成
Studying_swz
关注
专栏目录
订阅专栏
深度学习题库大全-hr.docx
06-30
深度学习期末考试复习，包含选择题65，判断题60和简答题15，一共150道题。
2017版保密资格新标准试题库(1)(1).docx
05-11
保密考试资料
深度学习基础知识题库大全
热门推荐
xfxuezhang.cn
12-28 3万+
1、梯度下降算法的正确步骤是什么？ a.计算预测值和真实值之间的误差 b.重复迭代，直至得到网络权重的最佳值 c.把输入传入网络，得到输出值 d.用随机值初始化权重和偏差 e.对每一个产生误差的神经元，调整相应的（权重）值以减小误差 A.abcde B.edcba C.cbaed D.dcaeb 解析：正确答案D，考查知识点-深度学习。 2、已知： - 大脑是有很多个叫做神经元的...
【自用】深度学习期末复习资料
06-14
"深度学习期末复习资料" 本文档提供了深度学习期末复习资料，涵盖了深度学习的基本概念、机器学习流程、梯度下降法、交叉熵、学习率、过拟合和欠拟合、线性可分与线性不可分、激活函数、卷积运算等知识点。 1. ...
深度学习+期末复习题+总结
06-21
我自己总结的一些题目，仅供参考！
华工深度学习期末复习资料包
最新发布
02-14
总的来说，这个深度学习期末复习资料包是一份全面的复习资源，不仅包含了理论知识，也注重实践技能的培养。通过系统地学习和练习，学生可以建立起扎实的深度学习基础，为未来的学术研究或职业生涯打下坚实的基础。...
山东大学2019级智能班神经网络与深度学习复习
01-05
山东大学2019级智能班神经网络与深度学习复习 本资源是山东大学2019级智能班神经网络与深度学习的复习笔记，涵盖了深度学习的基本概念、神经网络的基本结构、损失函数、优化方法、激活函数、批量归一化、Dropout、...
深度学习课程期末背诵-复习版本
09-05
深度学习课程期末背诵-复习版本
pytorch实现空洞卷积+残差网络实验（torch实现）
qq_37534947的博客
11-16 1万+
一：pytorch实现空洞卷积实验（torch实现） 要求： 从至少一个数据集上进行实验，同理，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要在之前利用torch.nn实现二维卷积的基础上，为解决感受野比较的问题，将普通的卷积修改为空洞卷积，并且卷几率符合HDC条件（这里我选取了1,2,5），并且堆叠了2层HDC，即一共六层卷积层。 实验过程： 注：所谓的空洞卷积，与https://blog.csdn.net/qq_37534947/article/details/109726153的
pytorch实现前馈神经网络实验（手动实现）
qq_37534947的博客
10-31 1万+
一：“手动实现前馈神经网络解决回归、二分类、多分类任务”实验 1.1“手动实现前馈神经网络解决回归”实验 实验过程： 1.1.1 导入所需要的包 1. import torch 2. import numpy as np 3. import random 4. from IPython import display 5. from matplotlib import pyplot as plt 6. import torch.utils.data as Data 1.1.2自定义数
pytorch实现循环神经网络实验
qq_37534947的博客
12-01 1万+
一：手写循环神经网络的实现 实验： 手动实现循环神经网络RNN，并从至少一个数据集上进行实验，这里我选取了高速公路传感器数据PEMS04（后面的实验都是用的高速公路传感器数据），主要根据数据集的大小以及特征维度，手动实现循环神经网络，包括输入层、隐藏层、输出层，其中注意的是下一层的输入是本身和上一层的隐藏层的同时输入，最后的RNN的返回值为最后一步的隐藏状态，以及每一步的输出状态。 实验目的： 利用手动实现的循环神经网络RNN，利用高速公路车流量数据集，学习回归模型，使得该模型可以很好的根据历史的车流量数据
pytorch实现卷积神经网络实验
qq_37534947的博客
11-16 1万+
一：手写二维卷积的实现 要求： 手写二维卷积的实现，并从至少一个数据集上进行实验，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要根据数据集的大小，手动定义二维卷积操作，如：自定义单通道卷积、自定义多通道卷积、自定义卷积层等。 实验过程： 1.1相关包的导入 1. import torch 2. import numpy as np 3. import random 4. from IPython import display 5. from matplotlib imp
pytorch实现基本的logistic和softmax回归实验（手动+torch）
qq_37534947的博客
08-23 1万+
前提：不是前馈神经网络，没有隐藏层。 一：Logistic回归实验–人工构造数据集，手动构造模型 要求： 动手从0实现logistic回归，实现二分类，人工构造数据集，并分析loss、训练集、测试集的准确率。（要求从零实现二元交叉熵） 实验过程： 1.1人工构造数据集 1. # #自定义数据---训练集 2. num_inputs = 2 3. n_data = torch.ones(1500, num_inputs) # 数据的基本形态 4. x1 = torch.normal(2 * n_d
pytorch实现前馈神经网络实验（torch实现）
qq_37534947的博客
10-31 8196
手动实现请参考：https://blog.csdn.net/qq_37534947/article/details/109394648 二：“利用torch.nn实现前馈神经网络解决回归、二分类、多分类任务”实验 注： 因为相比于手动实验其主要是在模型的构建中利用了torch.nn模块，其他的部分都是一样的，这里我主要介绍如何利用torch模块构建的模型。 2.1“利用torch.nn实现前馈神经网络解决回归”实验 实验过程： 2.1.1 利用torch.nn构建模型以及初始化参数 1. #实现Flatte
Pytorch实现经典模型AlexNet模型
qq_37534947的博客
11-16 3661
一：Pytorch实现经典模型AlexNet模型 要求： 使用pytorch实现经典的分类模型AlexNet,这里主要因为没有GPU环境，而其完整参数达到了6000万个，所以如ppt要求，在该模型的基础架构上，修改卷积核的大小以及卷积操作的步长等来模拟实现。 实验设计： 实验过程： 注：这里主要介绍一下AlexNet模型的定义，其中因为参数量过大，以及图片的输入大小变为了64*64，所以对于每层的卷积核大小以及步长等做了相关变化。 1.1AlexNet模型定义 1. # 定义神经网络 2. cl
深度学习复习总览（一）
qq_37534947的博客
10-18 1122
一：绪论 人工智能：使一部机器人像人一样进行感知、认知、决策、执行的人工程序或系统。 标志事件表： 人工智能诞生：1956年的达特茅斯会议 三个层面：目前处于第二个 分类： 三起两落： 其中第一次是感知机的出现，第二次是BP的出现，第三次是包括是三个，分别是：逐层预训练算法、深度学习算法在ImageNet以及2016年的AlphaGo。 一些重要人物： 二：基础知识 机器学习三要素：模型、学习准则、优化算法。 模型：映射函数。 学习准则：经验风险最小化。 优化算法：梯度下降。 神经
深度学习复习总览（五）
qq_37534947的博客
10-19 947
文章目录卷积神经网络一、三个特点二、卷积和互相关三、卷积操作四、池化五、增加输出单元的感受野六、卷积网络发展历程 卷积神经网络 为什么引入卷积网络？主要是对于图片来说，全连接神经网络的几个弊端如下： 一、三个特点 稀疏交互/局部连接： 在全连接神经网络，一层的每个神经元和前一层的所有神经元都有连接；而在卷积神经神经网络中，输出单元和前一层的部分神经元（卷积核大小）有连接；这样导致的结果是参数由M(L)*M(L-1)减少为M(L) *K * K. 其中K为卷积核大小/滤波器大小。 参数共享： 对于上面
ubutun/linux(终端)安装anaconda3以及pytorch
qq_37534947的博客
08-19 943
1.下载anaconda3 首先下载anaconda，由于官网的下载速度十分缓慢，而且还不支持断点续传，经常下载失败。故而，去国内的镜像站点下载： https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 选择对应的版本下载，下载完成后上传到linux机器上去，服务器选择filezilla上传，虚拟机直接拖拽进去就ok了，这里我的linux服务器，并且ubutun系统版本18.0.4，这里下载的Anaconda3-5.2.0-Linux-x86_64.s
深度学习复习总览（三）
qq_37534947的博客
10-18 886
前馈神经网络： https://blog.csdn.net/qq_37534947/article/details/107832979 补充： 人工神经网络的三大要素： 万能近似定理： 可以看到只需要一个线性输出层和一个隐藏层组成的神经网络就可以近似任何函数，但是规模可能巨大，随着深度的增加，网络的表示能力呈指数增加。并且有着更好的泛化能力，但是未必带来模型效果的提升。 ...
深度学习复习：正则化、损失函数与神经网络优化
"这篇资料是关于山东大学2019级智能班的神经网络与深度学习复习内容，涵盖了正则化、损失函数、神经网络基础、反向传播、激活函数、权重初始化、批量归一化以及训练神经网络时的一些策略，如学习率调整等关键知识点...
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

Studying_swz

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