- 博客(6)
- 收藏
- 关注
RSS订阅翻译 改善我们的神经网络
代码可以在这里找到。如果您要从上到下滚动脚本，我会查看改进，因为它应该很容易跟随。我不会在这里讨论的一件事是通过numpy进行优化。这意味着我拿出了很多for循环并用numpy函数替换它们，比如numpy.dot（）或直接在数组上使用+ - *因为numpy会在内部处理循环。它有助于加快速度，最重要的是它可以更容易地将代码移植到gnumpy以便使用GPU。要记住的一件事是，大多数这些改进都具有...
2018-12-29 18:18:42
170
翻译 机器学习与人工智能的区别
人工智能和机器学习是计算机科学的术语。就此讨论一些观点，在此基础上我们可以区分这两个术语：人工智能 ：人工智能这个词包含两个词“人工”和“智能”。人工是指由人或非自然事物构成的东西，智能是指理解或思考的能力。有一种误解认为人工智能是一个系统，但它不是一个系统.AI是在系统中实现的。可以有如此多的AI定义，一个定义可以是“它是如何训练计算机以便计算机可以做目前人类可以做得更好的事情的研究。”因此...
2018-12-29 09:40:20
3936
翻译 计算图上的微积分：反向传播
介绍反向传播是使训练深度模型在计算上易于处理的关键算法。对于现代神经网络，相对于天真的实现，它可以使梯度下降训练的速度提高一千万倍。这是一个模型需要一周的培训和20万年的差异。除了在深度学习中的应用之外，反向传播是许多其他领域的强大计算工具，从天气预报到分析数值稳定性 - 它只是用不同的名称。实际上，该算法在不同领域至少被重新发明了几十次。一般的，独立于应用程序，名称是“反向模式区分”。从...
2018-12-28 15:37:00
211
翻译 浅谈人工智能
人类诞生之初也是一张白纸，但是人的大脑会生长，逐渐学会语言，学会走路，通过感官来接受信息，并通过大脑存储处理，使人学会或知道。人类的大脑真的很奇妙，尤其是思考，突发式的，联想式的，让人觉得很奇妙，觉得奇妙可能是因为不知道原因但是又有好感，看我刚刚就进行了一次联想式的思考。那么如何让计算机拥有智能，我想这是人工智能的最大难题。计算机必须拥有学习能力，创造能力，语言识别，视觉处理，并且有可...
2018-12-26 15:30:19
172
原创 机器学习_生成式模型与判别式模型
从概率分布的角度看待模型。给个例子感觉一下: 如果我想知道一个人A说的是哪个国家的语言，我应该怎么办呢?生成式模型我把每个国家的语言都学一遍，这样我就能很容易知道A说的是哪国语言，并且C、D说的是哪国的我也可以知道，进一步我还能自己讲不同国家语言。判别式模型我只需要学习语言之间的差别是什么，学到了这个界限自然就能区分不同语言，我能说出不同语言的区别，但我哦可能不会讲。如果我有...
2018-12-25 17:30:25
205
翻译 人工智能7步学习法
我明白很多入门深度学习者的疑惑。因为当初，我也是关注着这个问题进来的。其实，我在《TensorFlow技术解析与实战》当中讲解过“深度学习入门的七个步骤”：要想入门深度学习，需要两个工具，即算法知识和大量的数据，外加一台计算机，如果有GPU就更好了，但是因为许多入门初学者的条件有限，没有GPU也可以，本书的许多讲解都是基于Mac笔记本完成的。我把深度学习的入门过程整理成如图所示的7个步骤...
2018-12-18 15:13:55
436
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人