我也要用
DL
一个处女座的程序猿
人工智能硕博生，目前兼职国内外多家头部人工智能公司的AI技术顾问。拥有十多项发明专利(6项)和软件著作权(9项)，多个国家级证书(2个国三级、3个国四级)，先后获得国内外“人工智能算法”竞赛(包括国家级、省市级等，一等奖5项、二等奖4项、三等奖2项)相关证书十多个，以上均以第一作者身份，并拥有省市校级个人荣誉证书十多项。正在撰写《人工智算法最新实战》一书，目前已37万字。
-
原创 AI：人工智能领域机器学习算法总结(持续更新)十一大类机器学习算法详细分类之详细攻略
AI：人工智能领域机器学习算法总结(持续更新)十一大类机器学习算法详细分类之详细攻略目录Machine Learning Algorithms1、Decision Tree决策树相关Cassification and Regression Tree (CART)Iterative Dichotomiser 3 (ID3)C4.5C5.0Chi-squared Automatic Ineraction Detection (CHAID)D...2021-01-05 23:55:14
5328
0
-
原创 DL之LSTM：基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(基于keras)对word实现预测
DL之LSTM：基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(基于keras)对word实现预测目录基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(基于keras)对word实现预测设计思路输出结果核心代码基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(基于keras)对word实现预测设计思路更新……输出结果rawtext_B...2020-12-24 23:08:43
975
2
-
原创 DL之LSTM：基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(层加深，基于keras)对单个character字符预测
DL之LSTM：基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(层加深，基于keras)对单个character字符预测目录基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(层加深，基于keras)对单个character字符预测设计思路输出结果核心代码基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(层加深，基于keras)对单个character字符预测设计思路数据集下...2020-12-23 23:53:46
1020
0
-
原创 DL之Perceptron&AdalineGD：基于iris莺尾花数据集利用Perceptron感知机和AdalineGD算法实现二分类
DL之Perceptron：基于iris莺尾花数据集利用Perceptron感知机算法实现二分类目录基于iris莺尾花数据集利用Perceptron感知机算法实现二分类设计思路输出结果核心代码基于iris莺尾花数据集利用Perceptron感知机算法实现二分类设计思路更新……输出结果<bound method DataFrame.info of SepalLength_cm SepalWidth_cm ....2020-12-07 23:42:53
2534
3
-
原创 DL之DCGAN：基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成
DL之DCGAN：基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成目录基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成设计思路输出结果核心代码基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成设计思路输出结果X像素取值范围是[-1.0, 1.0]____________________________...2020-11-24 21:56:06
1552
1
-
原创 DL之VGG16：基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)
DL之VGG16：基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)目录基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)设计思路输出结果核心代码基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)设计思路更新……输出结果Using TensorFlow backend.F:\Program Files\Python\Python36\...2020-11-22 14:02:20
1216
1
-
原创 DL之Keras：keras保存网络结构、网络拓扑图、网络模型(json、yaml、h5等)注意事项及代码实现
DL之Keras：keras保存网络结构、网络拓扑图、网络模型(json、yaml、h5等)注意事项及代码实现目录keras保存网络结构、网络拓扑图、网络模型(json、yaml、h5等)注意事项及代码实现keras保存网络结构、网络拓扑图、网络模型(json、yaml、h5等)注意事项全部代码实现keras保存网络结构、网络拓扑图、网络模型(json、yaml、h5等)注意事项及代码实现keras保存网络结构、网络拓扑图、网络模型(j...2020-11-22 11:28:26
1140
1
-
原创 DL之AlexNet：利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型)
DL之AlexNet：利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型)目录利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型)处理过程及结果呈现类AlexNet代码利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型)处理过程及结果呈现Found 17500 images belonging to 2 classes.Found 7500 images bel...2020-11-22 00:48:38
1396
1
-
原创 DL框架之PyTorch：PyTorch的简介、安装、使用方法之详细攻略
DL框架之PyTorch：PyTorch的简介、安装、使用方法之详细攻略目录PyTorch的简介1、pytorch的三大优势2、PyTorch的三个结构层次PyTorch的安装1、20181114更新版本到 torch-0.4.12、20200108更新版本到 torch 1.3.13、Anaconda内安装torch的whl文件PyTorch的使用方法...2018-04-30 22:17:51
13271
0
-
原创 DL之FAN：FAN人脸对齐网络(Face Alignment depth Network)的论文简介、案例应用之详细攻略
DL之FAN：FAN人脸对齐网络(Face Alignment depth Network)的论文简介、案例应用之详细攻略目录FAN人脸对齐网络(Face Alignment depth Network)的论文简介FAN人脸对齐网络(Face Alignment depth Network)的案例应用FAN人脸对齐网络(Face Alignment depth Network)的论文简介相关文章：Paper：《How far are we from solving the 2D2019-12-11 09:28:49
2209
0
-
原创 DL之DNN：基于Tensorflow框架对神经网络算法进行参数初始化的常用九大函数及其使用案例
DL之DNN：基于Tensorflow框架对神经网络算法进行初始化的常用函数及其使用案例目录基于Tensorflow框架对神经网络算法进行初始化的常用函数及其使用案例1、初始化的常用函数1.1、tf.constant_initializer() 常数初始化1.2、tf.zeros_initializer() 全0初始化1.3、tf.ones_initialize...2020-04-10 21:59:09
14135
0
-
原创 DL之LSTM：tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读
DL之LSTM：tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读目录tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读函数功能解读函数代码实现tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读函数功能解读 """Basic LS...2020-04-10 18:52:48
3862
0
-
原创 Paper：He参数初始化之《Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet C》的翻译与解读
Paper：He参数初始化之《Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification》的翻译与解读Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Class...2020-04-10 17:36:01
5547
1
-
原创 Paper：Xavier参数初始化之《Understanding the difficulty of training deep feedforward neural networks》的翻译与解读
Paper：Xavier参数初始化之《Understanding the difficulty of training deep feedforward neural networks》的翻译与解读目录Understanding the difficulty of training deep feedforward neural networksAbstract5 Er...2020-04-10 17:27:19
3274
0
-
原创 Paper：2020年3月30日何恺明团队最新算法RegNet—来自Facebook AI研究院《Designing Network Design Spaces》的翻译与解读
Paper：何恺明团队最新力作RegNet—来自Facebook AI研究院《Designing Network Design Spaces》的翻译与解读导读：卧槽，卧槽，卧槽！ 还是熟悉的团队，还是熟悉的署名，熟悉的Ross，熟悉的何恺明， 熟悉的何大佬，这次带来了RegNet，且让我研究一番。Designing Network Design SpacesAbs...2020-04-02 21:22:47
5884
2
-
原创 Tensorflow：tf.contrib.rnn.DropoutWrapper函数(谷歌已经为Dropout申请了专利！)、MultiRNNCell函数的解读与理解
Tensorflow：tf.contrib.rnn.DropoutWrapper函数(谷歌已经为Dropout申请了专利！)、MultiRNNCell函数的解读与理解目录tf.contrib.rnn.DropoutWrapper函数解读与理解tf.contrib.rnn.MultiRNNCell函数解读与理解tensorflow官网API文档：https://te...2020-03-24 01:15:58
4788
2
-
原创 DL之DNN：利用numpy自定义三层结构+softmax函数建立3层完整神经网络全部代码实现(探究BP神经网络的底层思想)
DL之DNN：利用numpy自定义三层结构+softmax函数建立3层完整神经网络全部代码实现(探究BP神经网络的底层思想)目录输出结果代码实现输出结果代码实现#DL之NN：利用numpy自定义三层结构+softmax函数建立3层完整神经网络#1、神经网络基本结构实现：三个步骤实现#1)、隐藏层的加权和...2020-03-20 14:19:38
2180
0
-
原创 TF：TF定义两个变量相乘之placeholder先hold类似变量+feed_dict最后外界传入值
TF：TF定义两个变量相乘之placeholder先hold类似变量+feed_dict最后外界传入值目录输出结果代码设计输出结果代码设计#TF：TF定义两个变量相乘之placeholder先hold类似变量+feed_dict最后外界传入值import tensorflow as tfinput1 = tf.plac...2018-11-14 11:39:29
10091
0
-
原创 TF之AutoML框架：AutoML框架的简介、特点、使用方法详细攻略
TF之AutoML框架：AutoML框架的简介、特点、使用方法详细攻略目录AutoML框架的简介AutoML框架的特点AutoML框架的使用方法AutoML VS AutoKeras 框架AutoML框架的简介AutoML官网：https://www.automl.org/ 自动化机器学习，简单来说就是一种自动化任务的方法：预处理并清理数...2018-11-14 11:04:04
12054
2
-
原创 DL之随机性：理解和探究采用深度学习算法预测时导致多次运行结果不一致的问题
DL：理解和探究采用深度学习算法预测时导致每次运行结果不一致的问题目录理解和探究采用深度学习算法预测时导致每次运行结果不一致的问题《How to Get Reproducible Results with Keras》的解读与翻译Tutorial OverviewEnvironmentWhy do I Get Different Results Every Time?为什么每次都有不同的结果？Demonstration of Different Results不同结果的演2020-03-18 23:33:07
2804
0
-
原创 TF之AutoML之AdaNet框架：AdaNet框架的简介、特点、使用方法详细攻略
TF之AutoML之AdaNet框架：AdaNet框架的简介、特点、使用方法详细攻略目录AdaNet框架的简介AdaNet框架的特点AdaNet框架的使用方法AdaNet框架的简介 谷歌开源了基于 TensorFlow 的轻量级框架 AdaNet，该框架可以使用少量专家干预来自动学习高质量模型。 AdaNet 是...2018-11-14 11:24:48
12140
0
-
原创 Keras之Mask R-CNN:《极限挑战》第四季第2期助力高考—使用Mask R-CNN代替Photoshop抠图、颜色填充框出目标检测
Keras之Mask R-CNN:《极限挑战》第四季第2期助力高考—使用Mask R-CNN代替Photoshop抠图、颜色填充框出目标检测导读没有伞的孩子只能努力奔跑！奔跑吧，相信自己！博主提前祝莘莘学子2018年高考顺利！Nothing is impossible.Just do it!目录输出结果设计思路核心代码...2018-06-27 16:19:07
8442
0
-
原创 Keras之ML~P：基于Keras中建立的回归预测的神经网络模型(根据200个数据样本预测新的5+1个样本)——回归预测
Keras之ML~P：基于Keras中建立的回归预测的神经网络模型(根据200个数据样本预测新的5+1个样本)——回归预测目录输出结果核心代码输出结果核心代码# -*- coding: utf-8 -*-#Keras之ML~P：基于Keras中建立的回归预测的神经网络模型(根据200个数据样本预测新的5+1个样本...2018-06-18 20:51:59
11508
2
-
原创 Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5个样本)——概率预测
Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5个样本)——概率预测目录输出结果核心代码输出结果核心代码# -*- coding: utf-8 -*- #Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5...2018-06-18 20:30:04
10917
0
-
原创 Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5+1个样本)——类别预测
Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5+1个样本)——类别预测目录输出结果核心代码输出结果核心代码# -*- coding: utf-8 -*-import os#Keras之ML~P：基于Keras中建立的简单的二分类问题的神经网络模型(...2018-06-18 19:28:22
11445
1
-
原创 TF之LSTM：利用多层LSTM算法对MNIST手写数字识别数据集进行多分类
TF之LSTM：利用多层LSTM算法对MNIST手写数字识别数据集进行多分类目录设计思路实现代码设计思路更新……实现代码# -*- coding:utf-8 -*-import tensorflow as tfimport numpy as npfrom tensorflow.contrib import rnnfro...2020-03-14 00:21:08
2099
0
-
原创 DL之模型调参：深度学习算法模型优化参数之对深度学习模型的超参数采用网格搜索进行模型调优(建议收藏)
DL之模型调参：深度学习算法模型优化参数之对深度学习模型的超参数采用网格搜索进行模型调优(建议收藏)目录对深度学习模型的超参数采用网格搜索概述如何在scikit-learn中使用Keras模型如何在scikit-learn中使用网格搜索问题描述Note on ParallelizingGrid Search如何调整batch的大小和epochs的数量如何优化训练优化算法—选择优化器(SGD/RMSprop/Adagrad/Adadelta/Adam/Adam2020-03-13 08:59:24
1599
0
-
原创 DL之模型调参：深度学习算法模型优化参数之对LSTM算法进行超参数调优
DL之模型调参：深度学习算法模型优化参数之对LSTM算法进行超参数调优目录基于keras对LSTM算法进行超参数调优1、可视化LSTM模型的loss和acc曲线2、可视化LSTM模型来判断拟合2.1、判断过拟合—训练集很好、测试集很差，过分依赖训练数据造成2.2、判断欠拟合—训练集很差、测试集也很差，没法很好的学习到数据背后的规律3、基于keras中的LSTM算法依次对超参进行网格搜索3.1、LSTM算法网格搜索最佳n_cells3.2、LSTM算法网格搜索最佳隐藏层数量2020-03-13 09:54:52
3922
2
-
原创 DL之self-attention：self-attention自注意力机制模块思路的8个步骤及其代码实现
DL之self-attention：self-attention自注意力机制模块思路的8个步骤及其代码实现目录代码实现相关文章DL之Attention：Attention的简介、应用领域之详细攻略DL之self-attention：self-attention的简介、应用之详细攻略代码实现import torch#1、准备输入：Input 1...2020-02-29 23:25:57
3686
0
-
原创 DL中版本配置问题：TensorFlow、Keras、Python版本完美搭配推荐
DL中版本配置问题：TensorFlow、Keras、Python版本完美搭配推荐目录TensorFlow、Keras、Python版本完美搭配推荐TensorFlow、Keras、Python版本完美搭配推荐TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6.If no--envis provided, it ...2020-02-29 11:17:17
3296
0
-
原创 Paper之NIPS/NeurIPS：2009年~2019年NIPS/NeurIPS(神经信息处理系统进展大会)历年最佳论文简介及其解读
Paper之NIPS/NeurIPS：2009年~2019年NIPS/NeurIPS(神经信息处理系统进展大会)历年最佳论文简介及其解读导读：十年磨一剑，霜刃未曾试。今日把示君，谁有不平事？整整一个十年过去了，带大家解读《神经信息处理系统进展大会》历年最佳论文，了解并探究与神经信息处理系统的重要进展。了解过去，读懂现在，把握未来！目录NIPS(神经信息处理系统进展大...2020-01-04 21:57:45
7952
0
-
原创 DL之GAN：生成对抗网络GAN的简介、应用、经典案例之详细攻略
DL之GAN：生成对抗网络GAN的简介、应用、经典案例之详细攻略目录生成对抗网络GAN的简介1、生成对抗网络的重要进展1.1、1986年的RBM→2006年的DBN1.2、AutoEncoder模型→Denoise AutoEncoder模型1.3、2014年的GAN，年轻有为的Ian Goodfellow→cycleGAN和vid2vid生成对抗网络...2018-03-14 21:58:51
10752
0
-
原创 DL之NRL&GCN：网络表示学习NRL与图神经网络GNN的简介、应用、经典案例之详细攻略
DL之NRL&GCN：网络表示学习NRL与图神经网络GNN的简介、应用、经典案例之详细攻略目录网络表示学习NRL与图神经网络GNN的简介1、网络表示学习与图神经网络的重要进展1.1、1986年的Distributed Representation1.2、2013年的word2vec→最新的BERT网络表示学习NRL与图神经网络GNN的应用1、Comp...2020-01-04 10:11:37
7991
0
-
原创 DL之RNN：循环神经网络RNN的简介、应用、经典案例之详细攻略
DL之RNN：循环神经网络RNN的简介、应用、经典案例之详细攻略目录循环神经网络RNN的简介1、RNN的分类1、RNN的常见算法分类2、RNN的三种分类2、循环神经网络RNN的重要进展2.1、1982年反馈神经网络Hopfield Network—Hopfield神经网络2.2、1986年Recurrent的概念→BP算法→LSTM算法2.3、199...2018-01-30 21:01:08
10063
0
-
原创 TF之RNN：TF的RNN中的常用的两种定义scope的方式get_variable和Variable
TF之RNN：TF的RNN中的常用的两种定义scope的方式get_variable和Variable目录输出结果代码设计输出结果代码设计# tensorflow中的两种定义scope(命名变量)的方式tf.get_variable和tf.Variable。Tensorflow当中有两种途径生成变量 variableimport te...2020-01-03 21:32:19
2129
0
-
原创 DL之AE：自编码器AutoEncoder的简介、应用、经典案例之详细攻略
DL之AE：自编码器AutoEncoder的简介、应用、经典案例之详细攻略目录自编码器AutoEncoder的简介1、AutoEncoder发展史1.1、RBM1.2、稀疏AutoEncoder、噪音容忍AutoEncoder、卷积AutoEncoder、变分AutoEncoder→对抗AutoEncoder自编码器AutoEncoder的经典案例1、基础案...2018-01-27 20:00:56
10275
0
-
原创 TF之AE：AE实现TF自带数据集数字真实值对比AE先encoder后decoder预测数字的精确对比
TF之AE：AE实现TF自带数据集数字真实值对比AE先encoder后decoder预测数字的精确对比目录输出结果代码设计输出结果代码设计import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt #Import MNIST dataf...2018-12-05 21:37:21
11486
2
-
原创 ML之DL：机器学习领域发展最快的分支【深度学习】的发展史及其重要性节点之详细攻略
ML之DL：机器学习领域发展最快的分支【深度学习】的发展史及其重要性节点之详细攻略目录【深度学习】的发展历史及其重要性节点1、深度学习模型最近若干年的重要进展—四个发展网络1.1、第一个发展脉络（上图浅紫色区域）以计算机视觉和卷积网络为主1.2、第二个发展脉络（上图浅绿色区域）以生成模型为主1.3、第三个发展脉络（上图橙黄色区域）是序列模型1.4、第四个发展...2020-01-03 19:13:05
6514
0
-
原创 DL之LSTM：基于tensorflow框架利用LSTM算法对气温数据集训练并回归预测
DL之LSTM：基于tensorflow框架利用LSTM算法对气温数据集训练并回归预测目录输出结果核心代码输出结果数据集tensorboard可视化iter: 0 loss: 0.010328549iter: 500 loss: 0.0044991444iter: 1000 loss: 0.003714567...2019-12-28 16:55:24
3306
0
-
原创 DL之self-attention：self-attention自注意力机制的简介、应用之详细攻略
DL之self-attention：self-attention自注意力机制的简介、应用之详细攻略目录self-attention的简介1、self-attention的影响2、self-attention模块思路的8个步骤及其代码实现self-attention的应用领域参考文章一文读懂自注意力机制：8大步骤图解+代码相关文章DL之Att...2019-08-27 20:40:50
3142
1