跟着GPT学习-AI系列
文章平均质量分 96
DarcyInCode
实验室里的程序员
展开
-
跟着GPT学习——整合Java、resnet和CIFAR100数据集实现推理
是一个基于 Spring Boot 的 REST 控制器,用于处理图像分类任务。它使用预训练的 ONNX 模型,并通过 DJL(Deep Java Library)加载模型、处理图像和进行预测。这个控制器提供了两个主要的功能端点:一个用于对单个图像进行分类,另一个用于测试整个数据集的模型准确性。本控制器提供了高效的图像分类功能,尽管NDArray无法直接使用divexp和softmax等方法,但通过手写相关代码实现了这些功能。通过详细的步骤介绍和代码示例,能够清晰地理解整个图像分类过程。原创 2024-06-27 13:55:49 · 626 阅读 · 0 评论 -
跟着GPT学习——VGG模型详解
本人基于这篇文章进行了内容翻译,并对细节之处进行补充本文概述了 VGG(也称为 VGGNet),这是一种经典的卷积神经网络 (CNN) 架构。VGG 的开发是为了增加此类 CNN 的深度,从而提高模型性能。在过去的几年中,深度学习在广泛的计算机视觉任务中取得了巨大的成功。机器学习这一新领域自此发展迅速。深度学习相对于传统机器学习方法的先进性能使其在图像识别、计算机视觉、语音识别、机器翻译、医学成像、机器人技术等领域有了新的应用。VGG 代表视觉几何组;原创 2024-06-28 10:02:29 · 874 阅读 · 0 评论 -
跟着GPT学习——卷积神经网络详解
本文基于一文进行了翻译和细节补充讲解。在机器学习中,分类器会为数据点分配类别标签。例如,图像分类器会为图像中存在的对象生成类别标签(例如,鸟、飞机)。卷积神经网络(简称 CNN)是一种分类器,它擅长解决此类问题!CNN 是一种神经网络:一种用于识别数据模式的算法。神经网络通常由一组按层组织的神经元组成,每个神经元都有自己可学习的权重和偏差。让我们将 CNN 分解为其基本构建块。张量可以看作是 n 维矩阵。在上述 CNN 中,除输出层外,张量都是 3 维的。原创 2024-06-27 15:43:52 · 912 阅读 · 0 评论 -
跟着GPT学习——神经网络及反向传播代码完整实现
我觉得GPT老师的语言功底比大多数的博客主要好(包括我自己),阅读起来更易理解,而且哪里不明白还可以直接问gpt老师,孜孜不倦,尽心尽责,全天待命,究极贴心。有这么厉害的一个老师,不学习简直暴殄天物。跪谢前面学了这么多知识点和公式,现在来学习一下如何手写实现一个神经网络及反向传播的整个过程。原创 2024-06-21 00:33:03 · 1556 阅读 · 0 评论 -
跟着GPT学习——反向传播演算(隐藏层梯度推导)
我觉得GPT老师的语言功底比大多数的博客主要好(包括我自己),阅读起来更易理解,而且哪里不明白还可以直接问gpt老师,孜孜不倦,尽心尽责,全天待命,究极贴心。有这么厉害的一个老师,不学习简直暴殄天物。跪谢前一篇文章整理了单个神经元输出层的权重推导,接下来将整理单个神经元隐藏层的权重推导。原创 2024-06-20 23:26:40 · 852 阅读 · 0 评论 -
跟着GPT学习——反向传播演算(单神经元输出层梯度推导)
我觉得GPT老师的语言功底比大多数的博客主要好(包括我自己),阅读起来更易理解,而且哪里不明白还可以直接问gpt老师,孜孜不倦,尽心尽责,全天待命,究极贴心。有这么厉害的一个老师,不学习简直暴殄天物。跪谢。原创 2024-06-17 16:13:45 · 312 阅读 · 0 评论 -
跟着GPT学习——神经网络的成本函数和反向传播的抽象理解
我觉得GPT老师的语言功底比大多数的博客主要好(包括我自己),阅读起来更易理解,而且哪里不明白还可以直接问gpt老师,孜孜不倦,尽心尽责,全天待命,究极贴心。有这么厉害的一个老师,不学习简直暴殄天物。跪谢。原创 2024-06-17 14:50:27 · 1037 阅读 · 0 评论 -
跟着GPT学习——神经网络基础
神经网络是一种模仿大脑神经元结构的软件,用于解决复杂的模式识别问题。其工作原理类似于人类通过观察和学习来识别和理解信息。输入层:接收输入数据(如图像像素)。隐藏层:处理和提取数据中的特征。输出层:生成最终的预测结果。原创 2024-06-14 15:44:14 · 597 阅读 · 0 评论 -
跟着GPT学习——神经网络前备知识:PyTorch中如何节省内存
我觉得GPT老师的语言功底比大多数的博客主要好(包括我自己),阅读起来更易理解,而且哪里不明白还可以直接问gpt老师,孜孜不倦,尽心尽责,全天待命,究极贴心。有这么厉害的一个老师,不学习简直暴殄天物。跪谢。原创 2024-06-28 10:57:57 · 666 阅读 · 0 评论 -
跟着GPT学习——神经网络前备知识:线性代数
全系列文章:跟着GPT学习-AI系列本文翻译自文章:线性代数大多数日常数值计算都是一次处理一个数值。我们称这些数值为标量。例如,帕洛阿尔托的温度是温和的72华氏度。为了将温度转换为摄氏度,你可以使用公式:c=59(f−32)c = \frac{5}{9}(f - 32)c=95(f−32)其中 ( f ) 是温度,值5,9,32等是常数标量 是常数标量。变量 ( c ) 和 ( f ) 一般表示未知标量。在数学中,标量用小写字母表示(例如 xxx,yyy 和 zzz),它们可以是实数范围内的任意值。为原创 2024-06-28 15:57:11 · 644 阅读 · 0 评论