![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 88
网易云课堂上吴恩达老师的深度学习课程,是基础知识,是必须要掌握的,常读常新,做个记录
月笼纱lhz
专业能力需要刻意练习!
展开
-
卸载TensorFlow旧版本,安装新版本
最近有时间,想把李沐的《动手学深度学习》代码码一遍,这本书用的是tengsorflow2的版本,所以我也对应装一下。原创 2022-10-17 15:44:26 · 3668 阅读 · 1 评论 -
吴恩达-深度学习微课-第四课
做完了一个序列模型项目,有时间回来补一下第4课的内容1.2 边缘检测示例 卷积运算:举例1个6x6的矩阵,经过一个3x3的过滤器矩阵进行卷积运算后,得到的是一个4x4的矩阵: 过程大概是:将过滤器覆盖到原矩阵上,第一步将对应位置元素相乘,第二步将得到的3x3的元素相加,作为结果的第一个元素;第三步按横向、纵向移动过滤器,如法炮制第二步的做法。 1.4 Padding 1、1.2节的卷积操作有两个缺点: (1)每卷积一次,图像都在变小,将n*n 经过f*f后缩.原创 2022-04-20 14:18:25 · 2925 阅读 · 0 评论 -
bilstm+crf 实现ner
一、基础知识1、lstm(1)B站 李宏毅机器学习课程(2)部分网友对应的课件文章:台大李宏毅机器学习(一)——RNN&LSTM_zhaochs的博客-CSDN博客_lstm李宏毅[机器学习入门] 李宏毅机器学习笔记-33 (Recurrent Neural Network part 2;循环神经网络 part 2)_holeung的博客-CSDN博客 (3)损失函数(4)优化方法(5)这种组合的优势:deep 网络学习x到y之间的关系,crf学习y之间的约束规则(6原创 2022-04-02 11:10:45 · 1360 阅读 · 0 评论 -
Anaconda+tensorflow+pycharm使用全套流程
1、重点事项-彼此软件版本对应关系提前百度查好这3个要安装程序之间的版本对应关系,选择自己需要的;本文安装的是:Anaconda 3-5.3.0(python 3.7)tensorflow 1.14pycharm 关系不大,只是个集成开发工具,原来电脑上有,就没有重新安装;2、Anaconda安装经历如下几个关键步骤:(1)卸载干净参考:anaconda3如何卸载干净_**七秒记忆**的博客-CSDN博客_卸载anaconda3干净(2)重新安装(3)原Anaco原创 2022-03-19 13:57:40 · 2554 阅读 · 0 评论 -
吴恩达-深度学习微课-第五课
部分内容记录1.2 数学符号 1、一个样本是一个句子,一个句子里含有若干个词语 2、根据一个词典,假设词典中有10,000个词,则可以将样本句子中的每个词根据在词典中的位置表示为one-hot编码向量,每个词都是10,000维 ...原创 2022-03-04 20:57:48 · 464 阅读 · 0 评论 -
吴恩达-深度学习微课-第三课
部分内容记录这一节都是些系统性、感知性层面的琐碎,不像第2课内容含量极多吴恩达-深度学习微课-第二课1.2 正交化 一个旋钮控制一个功能,实现独立控制;简单来说就是 One thing at a time 1.4 满足和优化指标 满足指标相当于必须达到的门槛、必要条件,在达到满足指标的基础上,尽可能提升优化指标 1.5 训练_开发_测试集划分 设立开发集和评估指标,真的就定义了模型所要瞄准的目标。所以开发集和训练集必须为同分布 1.9 可避免原创 2022-02-17 14:24:06 · 760 阅读 · 0 评论 -
吴恩达-深度学习微课-第二课
写这篇的时候,看到吴恩达新冠检测呈阳性的新闻,希望能积极治疗好起来。部分内容记录序号 内容 点 1.1 训练开发测试集 1、比例划分:传统机器学习数据规模不大例如万级,可以划分7:3或者6:2:2;而对于百万级数据,验证集和测试集数据就会减少,训练集数据可以占到98%到99.5%,也就是验证集/测试集分别只占1%或者0.25%; 2、深度学习需要大规模训练数据,就可能存在训练时是从网上爬取的精修猫的图片,而验证/测试时是手机拍摄的并不很清晰的图片,对于这种情况需要把原创 2022-02-08 17:08:37 · 1770 阅读 · 0 评论 -
吴恩达-深度学习微课(第一课)
部分内容记录:序号 内容 点 1.4 为什么深度学习会兴起? 1、data_scale 与performance的二维图形,对于ml 当数据规模达到一定量后,算法性能表现不再上升,比较平稳; 2、但是nn可以有更大的性能表现,随着训练一个更大规模的NN 3、“scale drives deep learning progress":这里的scale 包含两部分:数据规模、网络规模 4、在算法性能上升区域,是很难说哪个算法更好的,可能跟程序员对数据处理等相关;原创 2022-01-26 10:26:21 · 1063 阅读 · 0 评论