关注
分享
本专栏分享了博主学习深度学习过程的一些心得和笔记，不仅包含了深度学习理论知识，同时也将会记载可供应用的代码。博主使用的演示代码以Python的MXNet/Gluon框架为主，基本来自git-hub开源项目或者其他学者的分享，欢迎读者学习和纠错。
绝对是谨慎提交的昵称
这个作者很懒，什么都没留下…
展开
-
深度学习4：网络优化Network Optimization（基于Python MXNet.Gluon框架）
任何数学技巧都不能弥补信息的缺失。虽然神经网络具有非常强的表达能力，但是当应用神经网络模型到机器学习时依然存在一些难点问题。主要分为两大类：优化问题和正则化问题。本文主要讲解了网络优化问题，优化问题：神经网络模型是一个非凸函数，再加上在深度网络中的梯度消失问题，很难进行优化；另外，深度神经网络模型一般参数比较多，训练数据也比较大，会导致训练的效率比较低。原创 2020-04-05 21:20:58 · 1774 阅读 · 0 评论 -
深度学习3：循环神经网络Recurrent Neural Network（基于Python MXNet.Gluon框架）
循环神经网络（Recurrent Neural Network，RNN）是一类短期记忆能力的神经网络。在循环神经网络中，神经元不但可以接受其他神经元的信息，也可以接受自身的信息，形成具有环路的网络结构。原创 2020-03-28 21:47:40 · 1035 阅读 · 0 评论 -
深度学习2：卷积神经网络Convolutional Neural Network（基于Python MXNet.Gluon框架）
卷积神经网络（Convolutional Neural Network，CNN）是前馈神经网络中的一种基础的网络结构，本节从卷积计算开始始，讲解了CNN的理论知识和实际应用。本文的深度学习框架基于MXNet/GLUON框架，安装方便，上手简单。原创 2020-03-16 14:11:19 · 1220 阅读 · 0 评论 -
深度学习1：神经网络基础&前馈神经网络Feedforward Neural Network（基于Python MXNet.Gluon框架）
前馈神经网络（Feedforward Neural Network，FNN）是一种基础的神经网络结构，本节从神经网络基础开始，讲解了前馈神经网络中的全连接神经网络（又名多层感知机，MultiLayer Perceptron，MLP）的理论知识和实际应用。本文的深度学习框架基于MXNet/GLUON框架，安装方便，上手简单。原创 2020-03-08 10:18:42 · 4758 阅读 · 0 评论