神经网络
大部分与Python有关
NumLock桌
这个作者很懒,什么都没留下…
展开
-
深度学习与Keras实践|第三期:全连接层简介
1. 一个相对具体的模型——如何连接:在第一期中,我们曾实现过如下的神经网络:输入层 - Dense 4,relu,100输出层 - Dense 5,softmax这两个层都是全连接层,我们采用一种更加直观的表示方式展现这两个层是如何连接在一起的:如图所示,输入层具有四个单元,输出层具有五个单元,作为全连接层,输入层的每个单元都与下一层的所有单元相连,输出层的每个单元也都与上一层的所有单...原创 2020-01-05 19:28:57 · 2863 阅读 · 0 评论 -
深度学习与Keras实践|第二期:(入门)函数式API——另一种灵活的编程模型
1. 简单回顾:在上一期,我们通过创建一个简单的线性神经网络模型展示了如何使用Keras搭建自己的神经网络。让我们通过代码简单的回顾一下:from keras.models import Sequentialmodel = Sequential()from keras.layers import Densemodel.add(Dense(units=4,activation='relu...原创 2020-01-02 21:45:08 · 344 阅读 · 0 评论 -
深度学习与Keras实践|第一期:(入门) 一些简单介绍与一个简单例子
1. 我们要干什么?不管我们普通人接触到的到底是人工智能还是人工智障,也不管市场到底是不是用脚投票,“人工智能”现在已经成了我们绕不开的四个大字。在这样的风口面前,我们即使无法参与进去,恐怕也需要踮着脚尖往这里面看一看。这一系列文章的目的就是让读者能通过一些简单的概念和实际的例子,一叶知秋、管中窥豹,大致看看人工智能到底是个什么东西。2. 什么是深度学习?说起人工智能,我们稍微回忆一下,就...原创 2019-12-30 02:54:27 · 371 阅读 · 0 评论 -
神经网络的数学原理(二):神经元与神经网络
在上一篇文章神经网络的数学原理(一):简单的预测机与分类器模型中,我们通过两个简单的例子对训练与迭代、学习率与适度改进有了一个大致的了解。之后的内容就正式进入这个系列的中心——神经网络的数学原理部分了。1. 神经元——大自然创造的计算机人类大脑大约具有1000亿个神经元,一只果蝇大约具有10万个神经元,而一只线虫仅仅具有302个神经元。302个神经元,这与今天的计算机所具有的资源相比简...原创 2020-02-21 19:15:39 · 1690 阅读 · 0 评论 -
神经网络的数学原理(一):简单的预测机与分类器模型
计算机擅长的是什么?计算机可以不知疲倦的遵循基本指令做加法运算,而且速度相当之快。拥有这种强大的能力,使得计算机可以执行许多任务——比如说,在互联网上通过管道将0和1输送到计算机重建视频帧的过程只涉及一些加法运算,却使你可以在计算机上观看网络视频。人类擅长什么?这个问题很难回答——人类擅长的东西太多了。我们来对比一下计算机和人类。人的很多活动的基础都建立在识别上——我们看看四周,将面前的景象收...原创 2020-02-19 17:58:15 · 960 阅读 · 0 评论