第二次打卡学习心得

最新推荐文章于 2021-07-24 19:53:49 发布
最新推荐文章于 2021-07-24 19:53:49 发布
阅读量431 收藏
点赞数
文章标签： 人工智能 卷积神经网络 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44659752/article/details/104380040
版权

首先关于卷积神经网络的概念回顾
在这里插入图片描述
其中两个重要的概念：填充与步幅
在这里插入图片描述
在这里插入图片描述
关于卷积核的通道数：
个人理解为：与上一层的输出相适应，卷积核的通道数(channel)由上一层输出的特征图(feature maps)的个数决定

在这里插入图片描述

卷积神经网络的发展：
在这里插入图片描述
LeNet就是典型的深层网络
在这里插入图片描述
AlexNet为第二阶段的发展
在这里插入图片描述
后来由牛津大学团队提出具有堆叠结构的VGG
在这里插入图片描述
衍生出了NiN在这里插入图片描述

在宽度上进行了拓宽，由谷歌团队提出了Inception模块的网路GoogLeNet(纪念LeNet)
在这里插入图片描述
在深度上进行拓展，由何凯明等人提出了具有残差模块的ResNet
在这里插入图片描述

weixin_44659752
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
第二次学习打卡
Sakura127的博客
02-19 174
本次学习重点放在卷积神经网络基础上，现将相关一些重点概念总结如下： 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位...
第一次打卡的学习心得
weixin_45131399的博客
02-14 1002
经过这三天的学习，让我了解到初入机器学习的难度，同时也让我明白了怎么去学习好机器学习这块内容， 想要入门机器学习，数学的基础知识是十分有必要的，对于机器学习来说，就是把现实世界中的情况转化为高维空间的向量，例如对于声音的模拟，我们就要从响度、音调、频率、音色、乐音等元素进行组合，才能发出我们想要的不同声音。而线性代数恰恰就可以把这种不同元素组成的数据转化为数学上的高维空间向量。这里可以...
三个多月的打卡学习感悟！
Dada_ping的博客
07-24 1005
前言： 大家周末好，今天给大家分享一篇非技术文章，也是总结一下自己三个多月的一个学习打卡感悟吧，也算是一种回忆！简单说一下，建立了这个打卡学习群的来由吧，一开始我是没有打算建立打卡群的，而...
设计考勤打卡的心得体会
uzong
01-01 3878
    在今年8-10份，独自一个人担任促销管理系统的考勤系统的开发。从需求理解、到表设计、到API接口的输出，bug的修复到最后的完工。今天停下脚步总结一下。 在整个过程中，给我最深刻的时最开始的表设计。考勤打卡每个企业个性化比较强，我的这个项目是促销人员使用的考勤打卡系统，模式：班次–排版-考勤。 每个人各不相同，不具备使用考勤组的。 一个促销人员一天...
技术心得笔记 ------深度学习7日打卡营
03-15
自从开始深度学习之后，一直在学习Tensorflow的相关知识。虽然关注百度的AI Studio有一段时间了，但是却没有使用过。前一段时间在调研资料的时候突然发现有深度学习7日打卡营活动，由于疫情原因宅在家里有时间，所以开始了打卡学习。在7天的学习过程中收获颇丰。
百度PaddlePaddle深度学习七日打卡技术心得及笔记
12-21
百度PaddlePaddle深度学习七日打卡技术心得及笔记七日打卡心得七日打卡技术收获Day1-Python基础练习输出 9*9 乘法口诀表查找特定名称文件Day2-《青春有你2》选手信息爬取Day3-《青春有你2》选手数据分析Day4-《青春有你2》选手识别Day5-综合大作业 七日打卡心得 通过这一期的七日打卡学习，我收获很多。 课程内容从Python基础讲起，适合有一些编程语言基础的学生或者接触过Python，但基础不扎实的学生学习。课程内容由易到难，很丰富，作业难度适中，并且对讲解的内容做到了很好的补充。每日作业打卡的形式以及大家集结一起浓厚的学习氛围给我带来了源源不断的学习的动力，有
伯禹AI第二次学习打卡
01-06
下面是我使用LeNet网络对Cifar10数据集识别的代码，算是这次深度学习的打卡代码。 from torchvision.transforms import ToPILImage import torch as t import torch.nn as nn import torch.nn.functional as F ...
公益AI第二次学习打卡
01-20
首先还是要感谢平台给了自己一次学习的机会。自己平常也会跟着书上的内容敲敲代码，但对于理论知识还是一知半解。每节课后的习题给了自己一个巩固复习的机会，让自己能够清楚学习的重点，查漏补缺。 在这几天的学习...
Pytorch学习第二次打卡
01-07
Pytorch学习第二次打卡 目录 文章目录Pytorch学习第二次打卡目录过拟合、欠拟合及其解决方案欠拟合过拟合解决方法梯度消失，梯度爆炸卷积神经网络卷积层池化层常见卷积网络 过拟合、欠拟合及其解决方案 欠拟合 模型...
伯禹学习第二次打卡
01-06
seq2seq模型 定义 sequence to sequence模型是一类End-to-End的算法框架，也就是从序列到序列的转换模型框架。 应用场景 机器翻译 聊天机器人 文本摘要生成 图片描述生成 诗词生成 故事风格改写 ...
Datawhale第二次打卡
最新发布
09-17
周志华机器学习第三章笔记
DataWhale 深度学习 第二次打卡
01-20
在DataWhale的第二次打卡学习中，涵盖了多个核心概念，包括过拟合、欠拟合、梯度消失、梯度爆炸、循环神经网络、机器翻译、注意力机制、Seq2seq模型、Transformer、卷积神经网络以及权重衰减等。 首先，过拟合和欠...
第二次打卡
01-06
过拟合、欠拟合及其解决方案 初始化模型参数 定义L2范数惩罚项 定义训练和测试 观察过拟合 使用权重衰减 梯度消失、梯度爆炸 获取和读取数据集 预处理数据 训练模型 K折交叉验证 ...预测并在Kaggle中提交结果 ...
深度学习二次打卡
01-06
过拟合与欠拟合 基本概念 过拟合：模型的训练误差远小于它在测试数据集上的误差。 欠拟合：模型无法得到较低的训练误差。 解决方案 权重衰减 权重衰减等价于 L2L_2L2​ 范数正则化（regularization）。...
第一次打卡学习小结
Sakura127的博客
02-14 338
这几天在伯禹平台上学习了线性回归，Softmax与分类模型，多层感知机；文本预处理，语言模型，循环神经网络基础的知识，对pytorch的用法有了初步的了解和认识，但是因为对相关知识的不熟练所以需要花的功夫还有很多，在接下来的日子里需要继续加油~ ...
强化学习7日打卡营学习总结和心得
qq_32679139的博客
06-24 578
七天打卡，六次作业，五次直播，完整的参与了百度推出的强化学习7日打卡营。 课程收获 在科科老师的讲解下，了解到了强化学习的应用， 了解到了基于价值的方法（saras，Q-learning）和基于策略的方法（REINFORCE算法）,还有应用在连续动作空间的算法（DDPG）。其中DDPG算法和REINFORCE算法还需要多看看起数学原理。 强化学习个人感悟 强化学习就像是在不断的与环境进行交互通过奖惩机制然后选取收获最大的动作作为经验，当然面对未知邻域时不可能总凭过去的经验，这就有了在训练.
百度强化7日打卡学习心得
u014300898的博客
06-23 385
百度七日强化学习链接视频：https://aistudio.baidu.com/aistudio/education/group/info/1335 首先很感谢百度提供了一个能学习强化学习的机会。课程安排也很合理，从浅到深的介绍，满足了大部分人的要求。通过这七日的学习，我不仅了解了强化学习的经典算法而且还动手训练了算法模型，更进一步地理解了强化学习可以解决哪些实际问题。 强化学习包含智能体和智能体所在的环境两部分，如下图， 智能体又要和环境进行交互，交互主要是指智能体的动作会根据环境的状态获.
百度飞浆深度学习打卡营学习心得体会
W_Y_J_love的博客
04-08 439
百度飞浆深度学习打卡营学习心得体会
"深度学习第二次打卡：过拟合欠拟合及解决方案
DataWhale 深度学习第二次打卡学习笔记涵盖了多个重要主题，包括过拟合、欠拟合、梯度消失与梯度爆炸、循环神经网络进阶、机器翻译及相关技术、注意力机制与Seq2seq模型、Transfomer、卷积神经网络基础、LeNet和卷积...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值