AI之我见我行
文章平均质量分 57
记录人工智能之我学、我见、我行。
@wefree
TRAVEL.MORE.
展开
-
AI-未来
如众所见,这一波人工智能的浪潮还在继续。 不得不说,由历史悠久的通常意义上的机器学习算法,以及近几年喷薄而出的深度学习算法,所引领的人工智能,在全球愈发见得其燎原之势的光芒。 加之,硬件的逐年改善和云计算等技术造就的计算能力的扩展和增强,以及大数据、数据挖掘等数据处理能力的扩展和增强,这两个左膀右臂,人工智能这个原来遥不可及的梦想现在已经迈进了人工智能初级阶段的第一步。我们处于并将...原创 2019-03-16 22:46:33 · 195 阅读 · 0 评论 -
Deeplearning.ai 全套吴恩达老师的深度学习课程笔记及资源在线阅读
<转自AIQ社区 :http://www.6aiq.com/deeplearning_ai/html/SUMMARY.html>目录之目录 第一门课 神经网络和深度学习(Neural Networks and Deep Learning)第二门课 改善深层神经网络:超参数调试、正则化以及优化(Improving Deep Neural Networks:Hy...转载 2019-03-30 23:52:19 · 830 阅读 · 0 评论 -
深度学习系列课程的编程作业与测验
原作者地址:https://github.com/Kulbear/deep-learning-courseraDeep Learning Specialization on CourseraMaster Deep Learning, and Break into AIInstructor: Andrew NgIntroductionThis repo contains a...转载 2019-03-31 16:08:23 · 247 阅读 · 0 评论 -
01.神经网络与深度学习-第一周-深度学习概论
1. ReLU函数-“修正线性单元”函数,其中“修正”的意思是大于等于0。2. 标准神经网络、卷积神经网络、循环神经网络:3. 结构化数据:数据的数据库; 非结构化数据:音频、图片等4. 深度学习相对于其它机器学习技术(比如支持向量机)的优势是:在数据越来越多的情况下,它的映射精确度将显著优越于其它机器学习技术。如下图所示:5. 深度学习的发展依赖于:数据、计算能力、算法 ...原创 2018-06-26 21:27:22 · 199 阅读 · 0 评论 -
02.神经网络与深度学习-第二周-神经网络基础
Logistic 回归 Logistic 回归中用到的元素: Sigmoid函数 损失函数(衡量了单个训练样本的表现)举例: 我们一般使用第二种损失函数。 成本函数(衡量了全体训练样本上的表现)举例: 梯度下降法: 首先,我们运用“计算图”画一个简单的例子来感受(证明)一下求导中的链式法则: 那么,梯度...原创 2018-06-29 02:36:53 · 332 阅读 · 0 评论 -
03.神经网络与深度学习-第三周-浅层神经网络
1. 神经网络的层数如图的简单神经网络,隐藏层和输出层称为第1层和第2层,可以将输入层称为第0层;一般来讲习惯称这个神经网络是一个双层神经网络/单隐藏层神经网络。 <图一> 2. 图一中的神经网络的向量化3. 几种激活函数 (1)sigmoid函数:有梯度消失问题;输出不是以0为中心,值区间在0-1之间,优...原创 2018-08-06 20:30:42 · 325 阅读 · 0 评论 -
04.神经网络与深度学习-第四周-深层神经网络
1. 通常情况下,我们使用L表示神经网络的层数,n表示神经网络的各个网络层的神经元个数,使用a=g(z)表示各个层所用的激活函数,同理,z中的参数使用w和b表示。具体写法如图:2. 前向反馈的表示方法所有样本的前向反馈的表示方法3. 我们在编码深度神经网络时候需要注意各个向量的维数的正确性,以减少代码的bug。理解矩阵的乘法对此非常有帮助。4. 为什么深度神经网络比浅层...原创 2018-10-06 20:24:13 · 326 阅读 · 0 评论 -
超分辨率参考
2018CVPR地址:http://cvpr2018.thecvf.com/入门篇:数字图像的存储图像四种类型(按照颜色、灰度划分)图像超分辨率及相关知识 简介超分辨率知识笔记学习笔记之——基于深度学习的图像超分辨率重构(带打包paper)进阶篇:两篇干货满满的CSDN博文:从SRCNN到EDSR,总结深度学习端到端超分辨率方法发展历程图像超分辨之ZSSR...原创 2019-03-25 20:15:37 · 401 阅读 · 0 评论 -
Pytorch资源List
假定你已经学习了神经网络基础知识(正反向传播等等),可以参考以下链接进行DL中的逆天神器pytorch的学习。首先,理解张量:张量——百度百科浅谈什么是张量/tensorTensorflow——张量通俗理解张量tensor之后,理解pytorch中的张量与梯度:PyTorch进阶之路(一):张量与梯度最后,看看教程和别人的代码吧:pytorch中文教程网站:ht...原创 2019-03-31 23:02:28 · 790 阅读 · 0 评论