![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习入门
文章平均质量分 91
在学算法的小胖
这个作者很懒,什么都没留下…
展开
-
熵、交叉熵、KL散度理解
关于交叉熵在loss函数中使用的理解 交叉熵(cross entropy)是深度学习中常用的一个概念,一般用来求目标与预测值之间的差距。以前做一些分类问题的时候,没有过多的注意,直接调用现成的库,用起来也比较方便。最近开始研究起对抗生成网络(GANs),用到了交叉熵,发现自己对交叉熵的理解有些模糊,不够深入。遂花了几天的时间从头梳理...转载 2020-11-10 09:42:54 · 340 阅读 · 0 评论 -
Pytorch快速入门
Pytorch快速入门 通过实例学习Pytorch Pytorch主要提供了两个功能: 使一个类似于numpy的N维张量直接在GPU上运行。 对建立和训练神经网络做自动微分 numpy搭建神经网络 在介绍pytorch之前,我们首先通过numpy来实现一个神经网络。 Numpy提供一个n维数组对象以及许多用于操作这些数组的函数。Numpy是一个用于科学计算的通用框架。它不知道任何关于计算图形 、深度学习梯度的知识。然而,我们可以很容易地使用numpy来建立一个两层网络适应随机数据,通过使用numpy操作原创 2020-11-01 14:02:24 · 232 阅读 · 0 评论 -
MetaLearning入门
Meta Learning 入门 Introduction Machine Learning 让机器能够学习 Meta Learning 让机器学习应该如何学习 以上图为例,假设现在有一百个识别任务,例如是语音识别,图像识别等等,在这些任务学习完成之后,我们需要给机器一个新的任务,这个新的任务跟之前的一百个任务没有任何的关联,例如是一个文本分类任务。Meta-Learning要做的就是希望能够从前一百个识别任务中让机器在文本分类任务上表现得更加优秀。也就是说,机器在前面的学习中不仅仅学到了如何解决特定任务原创 2020-10-30 22:31:46 · 1986 阅读 · 0 评论