深度学习1

已于 2022-04-03 10:09:26 修改
阅读量966 收藏
点赞数
文章标签： 深度学习
于 2021-12-16 15:43:49 首次发布
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/sycVegetableDog/article/details/121976380
版权
本文探讨了深度学习的基础，并深入研究了迁移学习的不同方法，包括基于实例、特征选择和映射以及共享参数的迁移。重点介绍了如何在深度学习中应用迁移学习，如预训练与微调策略，特别是在图像领域的应用。
摘要由CSDN通过智能技术生成

深度学习基础

迁移学习

人类的迁移学习差不多就是，英雄联盟会了，王者就能很快上手；
机器的迁移学习：
在这里插入图片描述
域 ：可以理解为某个时刻的某个特定领域，比如书本评论和电视剧评论可以看作是两个不同的domain
任务 ：就是要做的事情，比如情感分析和实体识别就是两个不同的task

迁移学习的关键点：
在这里插入图片描述

基于实例的迁移

基于实例的迁移学习研究的是，如何从源领域中挑选出，对目标领域的训练有用的实例，比如对源领域的有标记数据实例进行有效的权重分配，让源域实例分布接近目标域的实例分布，从而在目标领域中建立一个分类精度较高的、可靠地学习模型；

基于特征的迁移

基于特征选择的迁移学习算法，关注的是如何找出源领域与目标领域之间共同的特征表示，然后利用这些特征进行知识迁移。

特征选择

基于特征选择的迁移学习算法，关注的是如何找出源领域与目标领域之间共同的特征表示，然后利用这些特征进行知识迁移。

<
最低0.47元/天 解锁文章
sycVegetableDog
关注
动手深度学习1
08-03
1. 图像识别：深度学习可以用于图像识别，例如人脸识别、物体识别等。 2. 自然语言处理：深度学习可以用于自然语言处理，例如语言模型、机器翻译等。 3. 语音识别：深度学习可以用于语音识别，例如语音识别系统等。 ...
Python深度学习1
08-03
《Python深度学习1》这本书由Keras的创建者、Google AI研究员弗朗索瓦·肖莱撰写，旨在向读者介绍深度学习的基本概念和高级技术，特别强调了使用Python和Keras进行深度学习的实践方法。这本书面向有技术背景的读者，...
深度学习参考文献1
08-04
深度学习参考文献1 深度学习是机器学习领域中一个非常重要的分支，它具有广泛的应用前景，如计算机视觉、自然语言处理、语音识别等。深度学习模型可以学习到非常复杂的模式，具有很强的表达能力和泛化能力。 在...
动手学深度学习1-自己敲的码
08-04
动手学深度学习1[学习记录]
细说机器学习和深度学习
moandaylab
10-08 1081
神经网络，也称人工神经网络。人工神经网络是一种运算模型（就是输入输出的映射），由大量的节点（或称神经元）之间相互联接构成。运算模型指的是：从输入到输出的一种映射。每个神经元里存储着若干权重（weight）、偏置（bias）和一个激活函数（activation）。输入乘上权重加上偏置，经过激活函数得到输出。激活函数用于添加一些非线性变换。神经网络通常包含一个输入层、若干隐藏层、一个输出层。输入层通常不用于计算神经网络的层数。
【深度学习】— 多层感知机介绍、 隐藏层、从线性到非线性、线性模型的局限性
我们都是被分成两半的人，一边热爱生活，一边憎恨生活。面对生活，我们总是在矛盾的两端摇摆，在反复的矛盾和犹豫中，一边踉跄前行，一边重振旗鼓。我渴望改变，渴望变得更好，渴望找到出口……就像一个溺水人的挣扎，就像一个救生圈。我是一个矛盾集合体，想要变得快乐，但是
10-05 1031
在第 3 节中，我们介绍了 softmax 回归，并实现了其从零开始的实现和基于高级 API 的实现，训练了分类器来识别 10 类服装图像。这种网络共有 2 层，每层都是全连接的，每个输入都会影响隐藏层中的每个神经元，而隐藏层中的每个神经元又会影响输出层中的每个神经元。最简单的方法是堆叠多个全连接层，每一层的输出作为下一层的输入，最终生成输出。线性模型假设输入特征与输出之间的关系是单调的，例如收入增加会增加偿还贷款的概率，但这种关系不是线性的。个隐藏单元的单隐藏层多层感知机（MLP），隐藏层的输出可以用。
深度学习的未来：推动人工智能进化的新前沿
2301_78944833的博客
10-04 1291
深度学习技术已经在多个领域展现了巨大的潜力，并正在改变我们的日常生活。从图像识别到自然语言处理，深度学习为我们带来了更加智能化的应用和服务。尽管面临数据依赖、计算资源、可解释性等挑战，但随着自监督学习、边缘计算和多模态学习等技术的不断进步，深度学习将继续推动人工智能的前沿发展，为各行各业带来更多创新和机遇。
清韵千言APP：一款基于RNN架构并深度优化的语言模型应用
weixin_65502565的博客
10-06 695
清韵千言APP以其独特的GRU架构和单字token化技术，为用户提供了高效、智能的语言处理能力。它不仅支持在消费级CPU上进行高效训练与微调，还在消费级CPU上甚至能够超过25tps的处理速度，确保了对话的流畅性和实时性，同时还支持根据URL页面内容进行微调，从而快速实现基于某本小说进行微调的小说风格续写、基于微调的新闻续写等。此外，该应用所使用的模型省略了预训练步骤，所有官方模型的所有训练数据均由人工编写，无任何无不良信息，为用户营造了一个安全、健康的交流环境。
RNN（循环神经网络）简介及应用
m0_73697499的博客
10-08 804
RNN作为一种处理序列数据的强大工具，已经在众多领域展现了其独特的优势。随着技术的进步，我们期待RNN及其变种能够在更多复杂的任务中发挥更大的作用。如果你对RNN感兴趣，建议深入研究其背后的数学原理及其实现细节。
基于深度学习的编程错误自动修复
weixin_42605076的博客
10-05 1167
基于深度学习的编程错误自动修复（Automated Code Repair Using Deep Learning）是一种利用深度学习技术自动检测、定位并修复代码中的错误的技术。它旨在减少开发者手动调试和修复代码的时间，并提高代码的质量和可靠性。这一技术在大规模软件开发中具有显著的应用价值，尤其在提升开发效率、减少故障恢复时间方面表现突出。
几个卷积神经网络（CNN）可视化的网站
2301_76846375的博客
10-05 770
这些资源可以帮助你通过动画、可视化和交互式工具更好地理解卷积神经网络的结构和工作原理。谷歌推出的深度学习交互式平台，虽然主要是全连接网络，但适合学习基础概念。OpenAI提供的神经网络特征可视化工具，展示深度网络中神经元的行为。3Blue1Brown频道的神经网络系列视频，提供精美的动画解释。一个简单的卷积神经网络可视化工具，展示每层的特征提取过程。高质量的交互式论文平台，提供深度学习的详细可视化解释。一个可以生成神经网络结构图的工具，支持卷积神经网络。直观的交互式工具，解释卷积神经网络的基本原理。
YOLOv11改进策略【注意力机制篇】| 2024 SCSA-CBAM 空间和通道的协同注意模块
最新发布
qq_42591591的博客
10-11 498
本文记录的是基于SCSA-CBAM注意力模块的YOLOv11目标检测改进方法研究。现有注意力方法在空间-通道协同方面未充分挖掘其潜力，缺乏对多语义信息的充分利用来引导特征和缓解语义差异。构建一个空间-通道协同机制，
深度学习运用小批次训练减少显存占用
exlink2012的专栏
10-08 363
深度学习模型通常需要处理大量数据,但GPU显存是有限的。小批次训练是一种有效的技术,可以在有限显存下训练大型模型。这样就可以显著减少单次占用的显存,使得在有限显存条件下也能训练大模型。
YOLO11改进|卷积篇|引入空间通道重组卷积ScConv
A1983Z的博客
10-05 809
YOLO11中添加SCConv卷积
组织病理学图像中的再识别|文献速递--基于多模态-半监督深度学习的病理学诊断与病灶分割
weixin_38594676的博客
10-09 925
这两个数据集，分别为肺腺癌（LUAD）（美国国家癌症研究所临床蛋白质组肿瘤分析联盟（CPTAC），2018a）和肺鳞状细胞癌（LSCC）（美国国家癌症研究所临床蛋白质组肿瘤分析联盟（CPTAC），2018b），来自TCIA（Clark等，2013）。我们将分析限制在至少有两张切片可用的患者，最终获得了LUAD数据集的226名患者的1059张图像，以及LSCC数据集的209名患者的1071张图像。对于 recall@n，它意味着算法的预测要被认为是正确的，目标患者必须包含在基于分类得分排名前 𝑛 的患者中。
深度学习全景进阶：最新Python深度学习进阶与前沿应用
zmjia111的博客
10-05 1108
近年来，伴随着以卷积神经网络（CNN）为代表的深度学习的快速发展，人工智能迈入了第三次发展浪潮，AI技术在各个领域中的应用越来越广泛。
毕业设计 深度学习社交距离检测系统（源码+论文）
Mr.D学长
10-05 1724
🔥这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是🚩毕业设计 深度学习社交距离检测系统（源码+论文）🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：4分🧿 项目分享:见文末!项目包含内容一万四千字 完整详细设计论文🧿 项目分享:见文末!
深度学习项目----用LSTM模型预测股价(包含LSTM网络简介，代码数据均可下载)
weixin_74085818的博客
10-01 1706
当然，结合案例实战，看代码是如何构建神经网络的才是最重要的，下面就是一个股价预测案例，核心是在于怎么构建LSTM网络结构，怎么进行前向传播。
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