深度学习
文章平均质量分 88
一天的大太阳
这个作者很懒,什么都没留下…
展开
-
深度神经网络
一、深层神经网络的优势 即便是单层的神经网络只要隐藏层有足够多的神经单元,神经网络的宽度足够大,深层神经网络复杂度就足够高,就能拟合任意复杂的函数。但是并不是神经网络越宽越好,尤其是在计算及视觉领域,,例如:第一层是边缘信息;第二层是局部特征,神经网络越深,提取的特征越复杂,从模糊到详细、从局部到整体可见隐藏层越多能够提取的特征就越丰富、越复杂,模型的准确率就会越高,此时包含多隐藏层的深层神经网络往往性能更好。 但是在实际应用中,尽量选择层数较少的神经网络,才能有效避免发生过拟合,对于较为复杂的原创 2021-10-26 15:28:44 · 2226 阅读 · 0 评论 -
神经网络进阶
一、基本结构 一个简单的两层神经网络的基本结构分为三层:输入层(一般不考虑在内,是数据的样本特征)、隐藏层(包含3个神经元,神经元用⚪表示,神经元是一个非线性单元)、输出层(包含一个神经元,也用⚪表示)。 每个神经元的数学运算一般由两部分组成:线性部分和非线性部分,计算公式如下:{z=w1x1+w2x2+ba=g(z)\{{z=w_1x_1+w_2x_2+b \atop a=g(z)}{a=g(z)z=w1x1+w2x2+b其中,z=w1x1+w2x2+b z=w_1x_1+原创 2021-10-21 11:16:12 · 689 阅读 · 0 评论 -
神经网络基础知识
一、感知机一种最简单的线性二分类模型,是神经网络的基础。感知机模型:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3FzvxVcK-1634628447148)(F:\前QQ文件\FileRecv\MobileFile\IMG_0256(20211017-205425)].PNG)感知机输入(维度为n):x1,...xi,...xn。感知机输出(y):只有0和1两种状态。感知机参数:wi是权重参数,b是偏置参数。图中的⚪表示神经元,输入信原创 2021-10-19 15:27:58 · 295 阅读 · 0 评论 -
TensorFlow基础学习
一、基本概念除了PyTorch外另一个非常广泛的深度学习框架。Tensor:张量+Flow:流,采用数据流图进行数字计算的开源软件库。基本原理是基于图运算,可以将一个计算图划分为多个子图,然后在多个CPU或者GPU上并行执行。此外TensorFlow还支持分布式计算,可以在合理的时间内在数百台服务器上进行分割计算,在大训练集上训练巨大的神经网络。二、安装三、张量张量的创建张量的数学运算四、数据流图五、会话六、线性回归的TensorFlow实现七、TensorBoard..原创 2021-10-18 17:42:46 · 609 阅读 · 0 评论 -
深度学习-先导篇
一、什么是深度学习深度学习是机器学习研究中的一个新的领域,动机在于建立模拟人脑进行分析学习的神经网络,是无监督学习的一种。通过组合底层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。深度:深度学习的前身是人工神经网络,就是试图模仿人脑的神经元之间传递和处理信息的模式。人工神经网络由各个层组成,输入层(输入训练数据)、隐含层(使输入数据向前传播到输出层)、输出层(输出计算结果)。“深度”没有特指,一般就是要求隐藏层很多。人工神经网络的每一层由大量的节点组成,层与层之间有大量的连原创 2021-10-16 17:34:30 · 1072 阅读 · 0 评论