![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 85
DontCareOthers
期望成为工程师的菜鸟
展开
-
推荐系统的主要算法(3)
文章目录前言一、DNN 模型二、Wide & Deep模型三、Deep & Cross模型3.1 嵌入与堆叠层3.2 交叉网络3.3 深度网络3.4 融合层四、DIN 模型五、ESMM 模型前言随着深度学习的发展,推荐系统中开始越来越多地用到深度学习。本篇博文介绍推荐系统中常见的深度学习模型,如DNN模型、ESMM模型、Wide & Deep模型、Deep & Cross模型和DIN模型。一、DNN 模型深度神经网络(Deep Neural Network, DN原创 2021-11-30 00:28:12 · 1478 阅读 · 0 评论 -
深度学习之激活函数
文章目录前言1. 阶梯函数2. sigmoid函数3. tanh函数4. ReLU函数5. maxout函数6. ReLU函数的衍生函数前言激活函数是人工神经网络的重要组成部分,负责对输入信号进行非线性变换,可以拟合各种曲线,并输出最终结果。激活函数中的“激活”一词是指对网络中的某个神经元是否被接受到的所有输入信号之和激活,即这个神经元接收到的信号是起作用还是被忽视。激活函数将神经元的所有输入,包括输入值、连接权重,经过代数运算,得到一个综合的激活值,激活函数根据这个激活值离阈值的远近决定这个神经元输原创 2021-11-25 14:23:12 · 1498 阅读 · 0 评论 -
深度学习笔记(2)
文章目录前言五、循环神经网络(RNN)六、长短期记忆网络(LSTM)6.1 梯度消失与梯度爆炸6.2 LSTM七、seq2seq与注意力模型7.1 seq2seq 简介7.2 注意力模型待完善。。。。前言这一系列博文记录学习深度学习的一些零散的笔记。从神经网络的基础到优化算法,再到深度学习神经网络(DNN)、卷积神经网络(CNN)和循环神经网络(RNN)。前一篇文章深度学习以处理非结构化数据而著称。除常见的应用在图像领域的CNN外,对于语音和文本等非结构化数据,CNN的处理效果并不好。接下来介绍原创 2021-11-24 23:27:39 · 859 阅读 · 0 评论 -
迁移学习的基本概念、使用场景与方法
前言尽管深度学习发展迅速,但并非每个人都拥有可以从头到尾训练一个模型的软硬件条件,包括数据以及软硬件资源。迁移学习(Transfer Learning)可以帮助我们解决这一问题。一、什么是迁移学习迁移学习就是利用数据、任务或模型之间的相似性,将在旧领域学习过或训练好的模型,应用于新领域的过程。迁移学习的关键点在于新的任务系统与旧的任务系统在数据、任务和模型之间相似性。二、使用场景当我们拥有海量的数据资源,机器学习系统可以很容易的从海量数据中学习到一个很稳健的模型,自然不需要迁移学习。但通常情况下,原创 2021-11-23 16:11:57 · 8115 阅读 · 0 评论 -
深度学习笔记(1)
文章目录前言一、感知机与神经网络二、神经网络的正则化三、深度学习的优化算法3.1 梯度下降法3.2 从Momentum到Adam四、卷积神经网络(CNN)4.1 卷积的含义4.2 池化和全连接4.3 CNN 图像学习过程的直观解释4.4 CNN在计算机视觉三大任务中的应用4.4.1 图像分类4.4.2 目标检测4.4.3 图像分割总结前言这一系列博文记录学习深度学习的一些零散的笔记。从神经网络的基础到优化算法,再到深度学习神经网络(DNN)、卷积神经网络(CNN)和循环神经网络(RNN)。一、感知原创 2021-11-23 15:12:03 · 1690 阅读 · 0 评论