![](https://img-blog.csdnimg.cn/2020121517262170.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Deep Learning
文章平均质量分 94
深度学习
一只工程狮
对于深度学习较为感兴趣,研究范围包括但不限于图像分类、目标检测、图像分割、视频异常检测、动作识别、AI部署与优化加速等
展开
-
Model-Agnostic Meta-Learning (MAML)模型介绍及算法详解
首先,我们先从Meta Learning的概念说起。原始的机器学习的流程被认为是下面这这样的:也就是我们根据我们先验知识设计网络架构和参数初始化方法,从Training Data 中得到参数的梯度,使用一阶条件调整参数。因为网络架构已经是提前设计好的,我们学习的最终输出其实就是参数。图中红框内的都是人类之前设计好的,Meta Learning 的目标就是学习这些是如何设计的。Meta Learning的任务是输入,现阶段成熟的方法一般默认这些任务是同类的。例如图像分类。输入的训...原创 2021-01-14 17:19:32 · 3619 阅读 · 0 评论 -
元学习概述(Meta-Learning)
转载自: 凉爽的安迪-深度瞎学一文入门元学习(Meta-Learning)写在前面:迄今为止,本文应该是网上介绍【元学习(Meta-Learning)】最通俗易懂的文章了( 保命),主要目的是想对自己对于元学习的内容和问题进行总结,同时为想要学习Meta-Learning的同学提供一下简单的入门。笔者挑选了经典的paper详读,看了李宏毅老师深度学习课程元学习部分,并附了MAML的代码。为了通俗易懂,我将数学推导和工程实践分开两篇文章进行介绍。如果看不懂,欢迎来捶我( )~~如果大家觉得有帮...转载 2021-01-14 15:02:48 · 37102 阅读 · 7 评论 -
自编码器(AutoEnconders:AE)解释
概述自编码器是一种能够通过无监督学习,学到输入数据高效表示的神经网络。输入数据的这一高效表示(特征)称为编码(Codings),其维度一般远小于输入数据,使得自编码器可用于降维。更重要的是,自编码器可作为强大的特征检测器(Feature Detectors),应用于深度神经网络的预训练。此外,自编码器还可以随机生成与训练数据类似的数据,这被称作生成模型(Generative Model)。比如,可以用人脸图片训练一个自编码器,它可以生成新的图片。自编码器通过简单地学习将输入复制到输出,来工作。这一任务转载 2021-01-13 21:53:16 · 2213 阅读 · 0 评论