深度学习
文章平均质量分 72
LH-sw
这个作者很懒,什么都没留下…
展开
-
学习霹雳吧啦up主笔记(一)全连接层、卷积层、池化层
一、学习内容目标检测: fast r-cnn、ssd、yolov3二、所需知识图像处理基础知识python3基础语法numpy 科学计算包了解pytorch数学基础(线性代数)三、所需环境anaconda3 python3.6 pycharm pytorch torchvision沟通方式:github csdn四、卷积神经网络(cnn)发展五、全连接层神经元bp算法:包括信号的前向传播和误差的反向传播两个过程。计算误差时按从输入到输出的方向进行,调整权值和阈值则从输出到输入原创 2022-05-17 12:48:07 · 409 阅读 · 0 评论 -
机器学习学习笔记-第二章
机器学习原创 2022-04-04 21:35:18 · 674 阅读 · 0 评论 -
熵、信息熵、交叉熵、softMax、sigmoid笔记
熵、信息熵、交叉熵、softMax、sigmoid讲解原创 2022-03-27 14:25:55 · 672 阅读 · 0 评论 -
深度卷积神经网络(一)
深度卷积神经网络(deep convolutional neural networks ,CNNs):1、解决了什么问题:CNN是目前图像领域特征提取最好的方式,将复杂问题简化,把大量参数降维成少量参数,再做处理。它可以保留图像特征,当图像做翻转,旋转或者变换位置时,它也能有效的识别出来是类似的图像。CNN可以自动从大数据中学习特征,并把结果向同类型未知数据泛化。卷积神经网络的各层中的神经元是3维排列的:宽度、高度、深度。深度指的是激活数据体的三个维度,而不是整个网的深度。2、卷积神经网络通常由这原创 2021-05-29 20:52:18 · 1097 阅读 · 0 评论