![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI
文章平均质量分 81
布兰姥爷
这个作者很懒,什么都没留下…
展开
-
跟姥爷深度学习1 浅用tensorflow做个天气预测
这里我们构建了一个16>32>1的神经网络模型,其中16、32、1指的是每一层的神经元数量,第一层与第二层的神经元数量无所谓可以随便写,第三层的1与预测的结果相对应,也就是我们使用前7天的平均温度,预测的是今天这“一个”平均温度。Val_loss是模型验证的“损失”,也就是前面我们设置的那10%,这个值越小说明你的模型验证的结果也不错。各字段的意思看名字就知道了,其中avg指的是当日平均温度,avg_befor1指的是昨天的平均温度,avg_befor2前天的,依次类推,一共回溯7天的。原创 2023-04-15 12:51:38 · 2252 阅读 · 0 评论 -
【零基础】使用Tensorflow实现神经网络
一、序言 前面已经逐步从单神经元慢慢“爬”到了神经网络并把常见的优化都逐个解析了,再往前走就是一些实际应用问题,所以在开始实际应用之前还得把“框架”翻出来,因为后面要做的工作需要我们将精力集中在业务而不是网络本身,所以使用框架可以减少非常多的工作量,有了前面自己实现神经网络的经验,现在理解框架的一些设置也比较容易了。本篇我们就使用比较常见的Tensorflow来重置一下前面的工作。 备...原创 2019-11-04 21:10:43 · 361 阅读 · 0 评论 -
【零基础】神经网络优化之Adam
一、序言 Adam是神经网络优化的另一种方法,有点类似上一篇中的“动量梯度下降”,实际上是先提出了RMSprop(类似动量梯度下降的优化算法),而后结合RMSprop和动量梯度下降整出了Adam,所以这里我们先由动量梯度下降引申出RMSprop,最后再介绍Adam。不过,由于RMSprop、Adam什么的,真的太难理解了,我就只说实现不说原理了。二、RMSprop 先回顾一下动量梯...原创 2019-10-29 23:19:40 · 2687 阅读 · 0 评论 -
【零基础】神经网络优化之动量梯度下降
一、序言 动量梯度下降也是一种神经网络的优化方法,我们知道在梯度下降的过程中,虽然损失的整体趋势是越来越接近0,但过程往往是非常曲折的,如下图所示: 特别是在使用mini-batch后,由于单次参与训练的图片少了,这种“曲折”被放大了好几倍。前面我们介绍过L2和dropout,它们要解决的也是“曲折”的问题,不过这种曲折指的是求得的W和b过于拟合训练数据,导致求解曲线很曲折...原创 2019-10-29 11:28:57 · 536 阅读 · 0 评论 -
【零基础】神经网络优化之mini-batch
一、前言 回顾一下前面讲过的两种解决过拟合的方法: 1)L0、L1、L2:在向前传播、反向传播后面加个小尾巴 2)dropout:训练时随机“删除”一部分神经元 本篇要介绍的优化方法叫mini-batch,它主要解决的问题是:实际应用时的训练数据往往都太大了,一次加载到电脑里可能内存不够,其次运行速度也很慢。那自然就想到说,不如把训练数据分割成好几份,一次学习一份不就行了吗...原创 2019-10-27 23:16:39 · 2490 阅读 · 0 评论 -
【零基础】神经网络优化之dropout和梯度校验
一、序言 dropout和L1、L2一样是一种解决过拟合的方法,梯度检验则是一种检验“反向传播”计算是否准确的方法,这里合并简单讲述,并在文末提供完整示例代码,代码中还包含了之前L2的示例,全都是在“深层神经网络解析”这篇基础之上修改的。二、dropout 简单来说dropout就是在每次训练时“随机”失效网络中部分神经元,大概就是下图这么个意思。 让神经元随机消失...原创 2019-10-24 15:47:18 · 320 阅读 · 0 评论 -
【零基础】神经网络优化之L1、L2
一、序言 前面的文章中,我们逐步从单神经元、浅层网络到深层网络,并且大概搞懂了“向前传播”和“反向传播”的原理,比较而言深层网络做“手写数字”识别已经游刃有余了,但神经网络还存在很多问题,比如最常见的两个问题:“过拟合”和“欠拟合”,下图中从左到右依次是“欠拟合”、“刚刚好”、“过拟合”。 简单点说,欠拟合是我们学习到的w没能很好地“满足”训练数据的特征,一般是因为训练数据...原创 2019-10-18 13:05:10 · 1062 阅读 · 1 评论 -
【零基础】看懂神经网络中的反向传播
一、序言 反向传播在神经网络中用于优化权重w和阈值b,是神经网络优化的核心算法。经过数日的学习终于看明白了一点反向传播的原理,这里作文记录心得。 本文先介绍一下基本的数学计算方法,然后根据“损失计算公式”推导出优化参数的反向传播方法。二、基本数学原理 神经网络中优化参数w、b的方法称为反向传播,反向传播的具体实施方法称为“梯度下降”,梯度下降涉及两个基本的数学知识:求导、链式...原创 2019-10-14 10:22:03 · 623 阅读 · 0 评论 -
【零基础】理解神经网络中传播函数的内在含义
一、序言 之前已经写过“单神经元、浅层神经网络、深层神经网络”(感兴趣的可以翻翻),写的有点乱而且很多环节都没有说明白。这里我们尝试通过“感知机”的描述来回答一个问题:“为什么传播函数长这个样子”。 感知机是一种类似神经网络的预测模型,现在各种功能强大的神经网络正是在感知机的基础上诞生的,看懂感知机,神经网络也就不难了。另外,无论是感知机亦或是早期的神经网络,本质上他们都是用于处理...原创 2019-10-10 13:51:37 · 317 阅读 · 0 评论 -
【零基础】深层神经网络解析
回顾: 【零基础】AI神经元解析(含实例代码) 【零基础】浅层神经网络解析一、序言 前面我们已经完成了单神经元、浅层神经网络(2层)的解析,其中有很多没有讲透的地方我们就暂时不要理会了,比如反向传播的原理我也没看明白呢。这里我们继续下一步,解析深层的神经网络(N层),也就是真的要“深度学习”了。 注:本文内容主要是对“床长”的系列教程进行总结,强烈推荐“床长”的人...原创 2019-09-28 08:48:35 · 293 阅读 · 0 评论 -
【零基础】浅层神经网络解析
回顾:【零基础】AI神经元解析(含实例代码)一、序言 前两天写了关于单神经元的解析,这里再接再厉继续浅层神经网络的解析。浅层神经网络即是“层次较少”的神经网络,虽然层次少但其性能相对单神经元强大了不只一点。 注:本文内容主要是对“床长”的系列教程进行总结,强烈推荐“床长”的人工智能系列教程(https://www.captainbed.net/)二、浅层神经网络的构成...原创 2019-09-24 08:09:31 · 712 阅读 · 0 评论 -
【零基础】AI神经元解析(含实例代码)
一、序言 关于“深度学习”大部分文章讲的都云里雾里,直到看到“床长”的系列教程以及《深度学习入门:基于Python的理论与实现》,这里主要是对这两个教程进行个人化的总结,目标是让“0基础”的童鞋也能看懂神秘的神经网络。 如果你是AI新手,可以先大概看看《深度学习入门:基于Python的理论与实现》,这本书主要从数学的角度来描述神经网络的各种概念并辅以具体的实现代码。看个大概知道一些概念...原创 2019-09-17 21:35:48 · 533 阅读 · 0 评论 -
【零基础】风格迁移之deep-painterly-harmonization的安装和使用
注:原项目名叫deep-painterly-harmonization,这里我缩写下称呼其为“DPH”注:原项目GIT链接:https://github.com/luanfujun/deep-painterly-harmonization DPH是深度学习中的一个应用方向,被称为风格迁移,即将A图的风格迁移到B图,DPH的作者在风格迁移的基础上实现了将B图无缝嵌入A图,示例如下图所示:...原创 2019-08-27 09:33:18 · 496 阅读 · 1 评论 -
【零基础】看懂“深度学习”的优势
深度学习是AI研究的一个重要方向,最近看了不少相关资料,不免有些感悟这里写出来给大家分享。一、深度学习是基础服务 深度学习可以类比于云计算,很多人看不懂、看不明白,只知道好像很厉害。其实与当年的云计算有点类似,喧嚣和泡沫过后,现在回看云计算的本质其实就是“基础服务”。这个基础服务是整个社会的一次升级,阿里云诞生于2009年,也正是第三次互联网浪潮的元年。 云计算诞生之前,一个企...原创 2019-08-21 13:02:36 · 2505 阅读 · 0 评论 -
【零基础】speech driven animation中文安装使用指南
换了Ubuntu各种顺利!s3fd_convert.pth、2DFAN-4.pth.tar这两个文件放到“/home/XXX(这里根据实际情况填写)/.face_alignment/data/”目录下(可搜索.face_alignment找到此目录),文末附下载方式。va.save_video(vid, aud, "/home/XXX(这里根据实际情况填写)/speech-driven-animation/example/test.mp4") //这里要写完整的路径,不要问为什么,反正不这么写就报错。原创 2019-07-07 11:37:34 · 2246 阅读 · 2 评论 -
【零基础】斯坦福四足机器人DIY指引
为了帮助大家建立硬件环境,项目组直接提供了CAD设计图(设计软件:Fusion 360,文末附CAD下载),包含了所有你需要的零配件而且是3D的视图!近日斯坦福开源了一个四足机器人项目“Stanford Doggo”,“只需”3000美金就可以DIY一个能跳一米高兼后空翻的电子小狗,一段时间研究后我们写了这篇简单的指引帮助大家快速入手这个灵敏的小狗狗。项目组还奉上了完整的BOM单(文末附EXCEL下载),BOM单提供了各配件的购买地址,你可以直接购买或自制差不多的结构。H:Hop,小幅原地跳。原创 2019-07-01 22:26:54 · 2797 阅读 · 0 评论