B站学深度学习

最新推荐文章于 2024-09-15 18:10:00 发布
最新推荐文章于 2024-09-15 18:10:00 发布
阅读量650 收藏 3
点赞数 1
文章标签： 深度学习 pytorch
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_45571006/article/details/127683778
版权

1、西瓜书看周志华老师自己讲的课，但是不全，看完周志华老师讲的哪里没讲的可以再看B站上的视频。

2、代码复现看《同济子豪兄》或者《霹雳吧啦》

3、pytorch深度学习实战看《刘二大人》

4、论文看《跟着李沐学AI》
在这里插入图片描述

wsmbzd
关注
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 25万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
PyTorch深度学习实战（40）——零样本学习(Zero-Shot Learning)
盼小辉丶的博客
04-01 2813
零样本学习 (Zero-Shot Learning) 旨在解决传统监督学习中，当训练数据中不存在某个类别的样本时，如何对该类别进行分类的问题。在传统监督学习中，分类模型需要通过训练数据学习到每个类别的特征和模式，并在测试阶段根据这些学习到的知识对新样本进行分类。然而，在现实世界中，我们无法获得所有可能类别的训练样本，因此零样本学习成为了一种重要的解决方案。在本节中，我们将学习零样本学习的基本概念，并使用 PyTorch 实现零样本学习模型。
[pytorch基础学习]-常见知识-(刘二大人教程)
Peter_Kinger的博客
02-24 347
Dataset和DataLoaderDataSetDataloader训练的方法全部的——batch部分的——随机梯度下降数据的加载补充基本设置循环部分补充内容。Dataset和DataLoaderDataSetDataloader训练的方法全部的——batch部分的——随机梯度下降数据的加载补充基本设置循环部分补充内容。Dataset和DataLoaderDataSetDataloader训练的方法全部的——batch部分的——随机梯度下降数据的加载补充基本设置循环部分补充内容。
【李沐】动手学深度学习 学习笔记
chenxiaowai_的博客
03-21 1万+
你好！这是【李沐】动手学深度学习v2-基于pytorch版本的学习笔记教材源代码安装教程（安装pytorch不要用pip，改成conda，pip太慢了，下载不下来）个人推荐学习学习笔记本节代码文件在源代码文件的chapter_deep-learning-computation/custom-layer.ipynb中不带参数的层下面的CenteredLayer类要从其输入中减去均值。要构建它，我们只需继承基础层类并实现前向传播功能。让我们向该层提供一些数据，验证它是否能按预期工作。带参数的层。
B站学习法之深度学习笔记一
いいこと？暁の磕盐线に胜利を刻みなさいっ！
05-02 2600
B站学习法之深度学习笔记一Three Steps for Deep Learning接下来开头课程的outline1.Fully connected layer(全连接层)1.1关于全连接层的浅显理解1.2关于全连接层的浅显理解合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一...
干货！《深度学习》经典课程视频、博客、网站及笔记
qq_35210586的博客
04-09 515
作者： 邓小猪 博客：https://blog.csdn.net/qq_35210586 知乎：https://www.zhihu.com/people/deng-pang-pang-21/activities 2019 年 3 月 30 日 同时，也欢迎大家关注我的知乎：邓小猪，会不定期有新的干货更新。一起学习一起进步呀！_ 视频推荐： 吴恩达deeplearning.ai课程地址：https...
动手学深度学习：线性回归简洁实现
01-20
线性回归简洁实现 %matplotlib inline import torch from IPython import display ...true_b = 4.2 features = torch.tensor(np.random.normal(0, 1, (num_examples, num_inputs)), dtype=torch.float)
AIGC实战——深度学习 (Deep Learning, DL)
热门推荐
盼小辉丶的博客
10-25 5万+
深度学习 (Deep Learning, DL) 是贯穿所有生成模型 (Generative Model) 的共同特征，几乎所有复杂的生成模型都以深度神经网络为核心，深度神经网络能够学习数据结构中的复杂关系，而不需要预先提取数据特征。在本节中，我们将介绍深度学习基本概念，并利用 Keras 构建深度神经网络。
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！
基于深度学习的多模态信息检索
weixin_42605076的博客
09-13 1308
基于深度学习的多模态信息检索技术，通过多模态特征的提取、融合和匹配，实现了从多种数据模态中进行高效检索的能力。随着深度学习技术的不断进步，特别是注意力机制和变换器架构的应用，多模态信息检索将在多个领域展现出更广泛的应用前景和潜力。
机器学习与深度学习的区别
警警的博客
09-14 1600
机器学习与深度学习
【图像去噪】论文精读：Enhanced CNN for image denoising（ECNDNet）
畅游计算机视觉的海洋
09-14 342
论文题目：Enhanced CNN for image denoising —— 用于图像去噪的增强CNN由于深度卷积神经网络 (CNN) 的灵活架构已成功用于图像去噪。然而，它们存在以下缺点：（i）深度网络架构很难训练。(ii)更深的网络面临性能饱和的挑战。在这项研究中，作者提出了一种称为增强卷积神经网络 (ECNDNet) 的新方法。具体来说，他们使用残差学习和批量归一化技术来解决训练困难的问题，加快网络的收敛性。此外，在所提出的网络中使用扩张卷积来扩大上下文信息并降低计算成本。
【深度学习】【OnnxRuntime】【Python】模型转化、环境搭建以及模型部署的详细教程
yangyu0515的博客
09-13 1542
【深度学习】【OnnxRuntime】【python】模型转化、环境搭建以及模型部署的详细教程
深度学习实战89-基于改造后的长短期记忆网络LSTM 的猪肉价格预测模型研究
weixin_42878111的博客
09-13 458
大家好，我是微学AI，今天给大家介绍一下深度学习实战89-基于改造后的长短期记忆网络LSTM 的猪肉价格预测模型研究。本文围绕基于改造后的长短期记忆网络 LSTM 的猪肉价格预测模型展开研究。首先介绍项目背景，阐述进行猪肉价格预测的重要性。接着详细讲解改造后的 LSTM 模型原理，为预测提供理论基础。
python AssertionError: Torch not compiled with CUDA enabled
码农的专栏
09-15 460
修改一下代码，将cuda改成cpu。
【梯度消失|梯度爆炸】Vanishing Gradient|Exploding Gradient——为什么我的卷积神经网络会不好呢？
最新发布
985小水博的摸鱼日常
09-15 917
【梯度消失|梯度爆炸】学习笔记
计算机毕业设计Python+Spark交通流量预测 智慧城市交通大数据 交通爬虫 地铁客流量分析 大数据毕业设计 大数据毕设 深度学习 机器学习
全网粉丝100W+、全栈领域优质创作者、B站、github、CSDN等社区技术专家、专注于高端精品毕业项目源码实战
09-11 1164
计算机毕业设计Python+Spark交通流量预测 智慧城市交通大数据 交通爬虫 地铁客流量分析 大数据毕业设计 大数据毕设 深度学习 机器学习
【Python机器学习】长短期记忆网络（LSTM）
weixin_39407597的博客
09-13 1182
LSTM对于循环网络的每一层都引入了状态的概念。状态作为网络的记忆。可以把上述过程看成是在面向对象编程中为类添加属性。每个训练样本都会更新记忆状态的属性。
手动学深度学习：Pytorch实现线性回归
"DataWhale团队的第二次深度学习学习打卡活动，主要涵盖了线性回归的理论复习和基于Pytorch的代码实现。通过Jupyter Notebook进行交互式学习，以清晰地展示每个步骤的输出。" 在深度学习的基础学习中，线性回归是一...
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
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