深度纸质学习与实验（一）-准备

最新推荐文章于 2023-08-01 16:55:48 发布
最新推荐文章于 2023-08-01 16:55:48 发布
阅读量154 收藏
点赞数
分类专栏： 深度学习
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/u013991917/article/details/78324117
版权

总结一下今天的学习过程

上午看了TensorFlow的书籍看了两章

重新在新的一台机器上安装了centos系统，准备搭建集群

下午看了ICRM2017年收录的论文题目，寻找写论文的资料

随后去运动，打了乒乓球、羽毛球

美好的一天，明天加油

每天八小时
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【深度学习】【PaddlePaddle】DAY 4 - 图像分类问题：手写数字识别案例（一）
Venistar的博客
08-25 1738
深度学习课程 DAY 3 - 图像分类问题：手写数字识别案例Chapter 2 图像分类问题1 手写数字识别任务（1）数字识别概述（2）MNIST数据集2 构建手写数字识别任务的神经网络模型1）数据处理 Chapter 2 图像分类问题 1 手写数字识别任务 （1）数字识别概述 数字识别是计算机从纸质文档、照片或其他来源接收、理解并识别可读的数字的能力，目前比较受关注的是手写数字识别。手写数字识别是一个典型的图像分类问题，已经被广泛应用于汇款单号识别、手写邮政编码识别等领域，大大缩短了业务处理时间，提升了工
教育科研-学习工具-一种便于切纸的原纸分切装置.zip
08-12
一种便于切纸的原纸分切装置就是这样的创新工具，它旨在优化纸质资源的处理，使得学生和教师在进行手工活动、实验或艺术创作时能更加便捷地获取所需尺寸的纸张。这种设备不仅考虑了操作的便利性，还可能注重安全性和...
深度纸质学习与实验（三）-将TensorFlow加入kubernetes初试
向前方，莫转角
10-25 207
总结一下今天的学习过程 1，今天代导师接待了机械华章的唐老师，也准备了书展，第一次看到那么多的 “黑皮书“以及这两年比较火的 “”棕色“” 的书籍，正式倍感亲切啊，重要的是和唐老师的交谈让我学到了很多很多，倍感收益颇丰 2，今天看了一些TensorFlow融入到kubernetes的文章、博客。看着好多利用yaml启动服务的脚本，有点慌，还没有尝试 3，在docker中pull 了Tenso
从数学到深度学习的学习资料及教程合集
诸神缄默不语的博客
08-01 1492
教程合集
毕业设计-基于深度学习的图像文字识别系统
Hai_Lang_IT的博客
03-15 8540
毕业设计-基于深度学习的图像文字识别系统：随着信息化水平的不断提升，以图像为主的多媒体信 息迅速成为重要的信息传递媒介，图像中的文字数据包含 丰富的高层语义信息与分析价值。光学字符识别（Optical Character Recognition，OCR）指利用电子设备（例如扫描仪 或数码相机）检查纸上打印的字符，通过检测暗、亮模式确 定其形状，然后用字符识别方法将形状翻译成计算机文字 的过程。它是一种针对印刷体字符，采用光学方式将纸质 文档中的文字转换为黑白点阵的图像文件，并通过识别软 件将图像中的文字转换
毕业论文资料查找与论文常见问题.rar
最新发布
08-22
- 图书馆资源：图书馆的纸质书籍、电子图书、数据库订阅等，可以提供更全面的历史资料和深度解读。 - 学术搜索引擎：Google Scholar、百度学术等，可搜索全球范围内的学术文献。 - 学术论坛和社群：科研论坛、...
高二数学下学期期中试题(实验班)(扫描版，无答案)新人教A版 试题.doc
11-01
【标题】中的“高二数学下学期期中试题(实验班)(扫描版，无答案)新人教A版 试题.doc”表明这是一份针对高二年级学生的数学期中考试试卷，适用于实验班，并且是根据新人教A版教材编写的。新人教A版是人民教育出版社...
安徽省宿州市2011届高三生物上学期第一次教学质量检测扫描版.rar
11-08
高三生物教学通常会涉及高中生物课程的全部核心内容，旨在帮助学生准备高考，评估他们的理解深度和应用能力。教师可能会设计各种类型的题目，包括选择题、填空题、简答题和论述题，以覆盖不同的学习目标和技能。 在...
江苏省江阴市2012-2013学年高一物理下学期期末考试试题（扫描版,无答案）新人教版
08-19
在复习或准备此类考试时，学生应全面回顾上述知识点，并进行针对性的练习，以提高解题能力和理解深度。同时，由于缺乏答案，建议寻求教师指导或参考其他教材和资源来检验自己的理解和解答的准确性。
深度学习基础（五）--聚类
向前方，莫转角
10-03 6484
总结一下今天的学习过程（注：代码都是根据教程抄的，哈哈） 1，温习了统计学中的相关度与R值有关知识，以及计算公式，以及Python代码的实现，在简单线性回归中，两个是等价的 2，学习了k-means算法，感觉这个应该是理解了，并对代码进行了单步调试及逻辑的进一步理解 3，学习了层次聚类方法，不过感觉代码自己不是能很好的理解，并用图片对层次聚类方法进行了尝试，得出了响应结果，也对代码进行的学习
深度学习进阶（五）--卷积神经网络与深度置信网络以及自动编码初识（补昨天博客更新）
向前方，莫转角
10-11 4241
总结一下昨天的学习过程 （注：这几天老不在状态，貌似进入了学习激情的瓶颈期，动力以及平静心严重失控，Python3.X与Python2.X之间的代码调试，尤其是环境配置搞得头昏脑胀） 昨天了解接触的内容 CNN卷积神经网络的基本原理以及在CPU中测试以及代码调试（又是失败） Restricted Boltzmann Machine: Deep Brief Network: 多个Restr
深度学习进阶（六）--CNN卷积神经网络调试，错误历程总结
向前方，莫转角
10-11 3966
总结一下今天的学习过程 （注：我此刻的心情与刚刚三分钟前的心情是完全不一样的） （昨天在想一些错误，今天又重拾信心重新配置GPU环境，结果很失败，不过现在好了，在寻思着今天干了什么的时候，无意间想到是不是自己方法入口不对啊。结果果然很幸运的被我猜到了，，，哈哈哈，我的心情又好了） 总结最大的体会：有的时候在代码不能运行的时候，可是尝试先看看学习代码， 起码从代码的入口调用看起、看清、看
深度学习基础（一）——KNN与SVM
向前方，莫转角
09-28 2960
总结一下今天的学习过程 1，上午继续看书，主要看了深度学习的发展历程以及主要技术介绍 2，中午思考了决策树算法中的数据准备阶的矩阵装换，将类似Excel数据表格的形式数据转换为0-1矩阵      数据大致格式为：表头为特征向量名称以及输出标签名称，而特征向量的值又是多个，决策树中是将每一个特征向量多维化，形成一个0-1矩阵       将每一个特征向量多维化     本想着使用ja
深度学习基础（四）--BP神经网络和线性回归
向前方，莫转角
10-02 1990
总结一下今天的学习过程 1，上午单步调试了简易的BP算法，结合算法原理，查看了每一步的求解过程      看的算法是简易版的，用的结束条件是循环次数，没有考虑error阈值以及另外一个因素（想不起来了忘记了），导致了当隐含层增加时，到时错误结果率大大增加，有待尝试结合另外两个结束条件约束增加新的判断条件      理解了初始化权重weight数组以及偏移量bairs以及权重的更新 2，剩下
深度学习进阶（四）--深度神经网络中梯度消失以及卷积神经网络初识
向前方，莫转角
10-09 1733
总结一下今日的学习过程 1，上午学习了解了深度网络中的难点 2，了解了经常听到又不知所云的梯度消失问题的概念以及原理        认识到了Rectified Liner Unit激活函数可以很好的减少梯度消失问题，但没有具体的深入的理解及学习 3，认识到了卷积网络CNN，理解了其大致原理以及实现过程       结合GitHub上的neural-networks-and-deep-le
Tensorflow学习与应用四
向前方，莫转角
11-04 1614
总结一下今天的学习过程 1，又一次理解了CNN的基本原理：卷积层操作、池化层操作 传统的神经网络缺点：权值太多，计算量太大；需要大量的样本进行训练 CNN通过感受野和权值共享（局部映射神经元）减少了神经网络需要训练的参数 卷积核、卷积窗口、特征图、滤波器、采样 池化层的三种操作:max-pooling、mean-pooling、随机池化 same padding valid padd
深度学习深理解(八)- 结构化机器学习项目
向前方，莫转角
10-22 1379
总结一下今天的学习过程 昨天由于装双系统，耽误了一天，打断这周暂时学习结束吴恩达老师的前三部分的课程（因为后期两部分没有开课） 幸运的是，今天学习比较努力 哈哈哈，将计划两天的课程今天一天学习完了 机器学习的策略： 收集更多的数据增加训练集的多样性增加使用梯度下降法的训练时间尝试其他优化算法：比如Adam算法等扩大或者缩小神经网络的规模尝试dropout或者L2正则化修改神经网
深度学习深理解(一)-logistic回归深理解与BP反向传播算法
向前方，莫转角
10-15 1124
总结一下今天的学习过程 上午以及中午将吴恩达老师的第二周的视屏学习完，对logistic回归与梯度下降以及反向传播算法有了更深一层的理解，似乎有了柳暗花明的感觉，感觉前几天的学的似乎通了又似乎乱了，哈哈，继续加油吧 下午以及晚上写了上学期的一门课程作业 美好的一天，明天加油！
深度学习与神经网络基础教程
"Neural Networks and Deep Learning" 是一本由 Charu C. Aggarwal 编著的专业书籍，由 Springer 出版社出版。...通过阅读这本书，读者可以系统地学习和掌握构建和应用神经网络与深度学习模型的关键技术和理论。
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