深度学习大二
张张同学!
其实路上风再大也没有关系。
展开
-
深度学习day5(基础拓展3神经网络的数据表示)
神经网络的数据表示一.标量【1】一些基础知识【2】算法二. 向量(1D 张量)【1】一些基础知识三. 矩阵(2D 张量)四.3D 张量与更高维张量五.nump的用法总结【1】ndim【2】shape【3】.dtype【4】.astype六.关键属性七.一些例子过程:【1】加载 MNIST 数据集【2】求出维度【3】求出形状【4】类型属性【5】显示第四个数据一.标量【1】一些基础知识仅包含一个数字的张量叫作标量在 Numpy中,一个 float32 或 float64 的数字就是一个标量张量(或标量原创 2020-12-06 09:05:49 · 181 阅读 · 0 评论 -
深度学习day3(深度网络的数学基础)
深度网络的数学基础一.回顾二 .初识神经网络以一个例子为例类与标签加载Keras中的MNIST数据集、一.回顾1.什么是深度学习?前两篇流水账大概了解一下子深度学习是什么,现在正是进入学习二 .初识神经网络以一个例子为例如:使用 Python 的 Keras 库来学习手写数字分类要解决的问题是,将手写数字的灰度图像(28 像素×28 像素)划分到 10 个类中(0~9)。使用的数据集:MN这个数据集包含 60 000 张训练图像和 10 000 张测试图像,由美国国家标准与技术研究院ST原创 2020-12-06 09:05:57 · 514 阅读 · 0 评论 -
深度学习day2(深度了解深度学习)
深度了解深度学习一. 概率建模【1】朴素贝叶斯算法【2】logistic 回归二. 早期神经网络【1】核方法(支持向量机)了解SVMSVM具体实现步骤核技巧【3】决策树,随机森林与梯度提升机1.决策树2.随机森林3.梯度提升机三.深度学习一. 概率建模概率建模是统计学原理在数据分析中的应用。 其中最有名的算法之一就是朴素贝叶斯算法。【1】朴素贝叶斯算法【2】logistic 回归—logreg 是一种分类算法,而不是回归算法面对一个数据集,数据科学家通常会首先尝试使用这个算法,以便初步熟悉手头原创 2020-12-06 09:06:10 · 168 阅读 · 0 评论 -
深度学习day1(第一章:什么是深度学习?)
第一章:什么是深度学习?1.1 人工智能,机器学习和深度学习【1】人工智能【2】机器学习【3】从数据中学习表示1.机器学习三要素2.例子【4】深度学习之“深度”理解深度学习与机器学习关系神经网络【5】深度学习的工作原理1.1 人工智能,机器学习和深度学习关系:【1】人工智能努力将通常由人类完成的智力任务自动化,包括了机器学习与深度学习【2】机器学习在经典的程序设计(即符号主义人工智能的范式)中,人们输入的是规则(即程序)和需要根据这些规则进行处理的数据,系统输出的是答案利用机器学习,人们输入原创 2020-12-06 09:06:19 · 561 阅读 · 4 评论