![](https://img-blog.csdnimg.cn/cb75f8effe634ba196ad85db8fbd7e4b.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
《Python深度学习》笔记
文章平均质量分 93
深度学习
非文的NLP修炼笔记
研究生在读,NLP小白一枚,希望大家多多指教~
展开
-
《Python深度学习》读书笔记:第6章 深度学习用于文本和序列
目录第6章 深度学习用于文本和序列6.1 处理文本数据6.1.1 单词和字符的one-hot编码6.1.2 使用词嵌入6.1.3 整合在一起:从原始文本到词嵌入6.1.4 小结6.2 理解循环神经网络6.2.1 Keras中的循环层第6章 深度学习用于文本和序列本章将介绍使用深度学习模型处理文本(可以将其理解为单词序列或字符序列)、时间序列和一般的序列数据。用于处理序列的两种基本的深度学习算法分别是循环神经网络和一维卷积神经网络。这些算法的应用包括:1.文档分原创 2022-02-21 19:28:56 · 1083 阅读 · 10 评论 -
《Python深度学习》读书笔记:第5章 深度学习用于计算机视觉
目录第5章 深度学习用于计算机视觉5.1 卷积神经网络简介5.1.1 卷积运算5.1.2 最大池化运算5.2 在小型数据集上从头开始训练一个卷积神经网络5.2.1 深度学习与小数据问题的相关性5.2.2 下载数据5.2.3 构建网络5.2.4 数据预处理5.2.5 使用数据增强5.3 使用预训练的卷积神经网络5.3.1 特征提取5.3.2 微调模型5.3.3 小结5.4 卷积神经网络的可视化5.4.1 可视化中间激活第5章 深度学习用于原创 2022-02-20 10:55:50 · 3011 阅读 · 4 评论 -
《Python深度学习》读书笔记:第4章 机器学习基础
目录第4章 机器学习基础4.1 机器学习的四个分支4.1.1 监督学习4.1.2 无监督学习4.1.3 自监督学习4.1.4 强化学习4.2 评估机器学习模型4.2.1 训练集、验证集和测试集4.2.2 评估模型的注意事项4.3 数据预处理、特征工程和特征学习4.3.1 神经网络的数据预处理4.3.2 特征工程4.4 过拟合与欠拟合4.4.1 减小网络大小4.4.2 添加权重正则化4.4.3 添加dropout正则化4.5 机器学习的通用工原创 2022-02-15 17:16:47 · 1009 阅读 · 0 评论 -
《Python深度学习》读书笔记:第3章 神经网络入门
目录第3章 神经网络入门3.1 神经网络剖析3.1.1 层:深度学习的基础组件3.1.2 模型:层构成的网络3.1.3 损失函数与优化器:配置学习过程的关键3.2 Keras简介3.2.1 Keras、TensorFlow、Theano和CNTK3.2.2 使用Keras开发:概述3.3 建立深度学习工作站3.3.1 Jupyter笔记本:运行深度学习实验的首选方法3.3.2 运行Keras:两种选择3.3.3 在云端运行深度学习任务:优点和缺点3.3.4原创 2022-02-14 23:53:56 · 1579 阅读 · 0 评论 -
《Python深度学习》读书笔记:第2章 神经网络的数学基础
目录第2章 神经网络的数学基础2.1 初识神经网络2.2 神经网络的数据表示2.2.1 标量(0D张量)2.2.2 向量(1D张量)2.2.3 矩阵(2D张量)2.2.4 3D张量与更高维张量2.2.5 关键属性2.2.6 在Numpy中操作张量2.2.7 数据批量的概念2.2.8 现实世界中的数据张量2.2.9 向量数据2.2.10 时间序列数据或序列数据2.2.11 图像数据2.2.12 视频数据2.3 神经网络的“齿轮”:张量运算2.原创 2022-02-11 23:13:12 · 1764 阅读 · 3 评论 -
《Python深度学习》读书笔记:第1章 什么是深度学习
目录第1章 什么是深度学习1.1 人工智能、机器学习与深度学习1.1.1 人工智能1.1.2 机器学习1.1.3 从数据中学习表示1.1.4 深度学习之“深度”1.1.5 用三张图理解深度学习的工作原理1.1.6 深度学习已经取得的进展1.1.7 不要相信短期炒作1.1.8 人工智能的未来1.2 深度学习之前:机器学习简史1.2.1 概率建模1.2.2 早期神经网络1.2.3 核方法1.2.4 决策树、随机森林与梯度提升机1.2.5 回到神经.原创 2022-02-10 22:07:08 · 1445 阅读 · 0 评论