![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
深度学习相关学习笔记与积累
haobo97
这个作者很懒,什么都没留下…
展开
-
深度学习笔记 Part3(转载)
转载深度学习笔记 来源|Sophia@知乎,https://zhuanlan.zhihu.com/p/152362317 本文仅用于学术分享,如有侵权,联系后台作删文处理 卷积神经网络–CNN篇 13. 卷积神经网络基础 计算机视觉任务涉及的数据体量是特别大的,一张图像就有上千个数据点,更别提高分辨率图像和视频了。这时用全连接网络的话,参数数量太大,因而改用卷积神经网络(CNN),参数数量可以极大地减小。CNN 的工作原理就像用检测特定特征的过滤器扫描整张图像,进行特征提取,并逐层组合成越来越复杂的特征。转载 2020-09-14 18:32:01 · 70 阅读 · 0 评论 -
深度学习笔记Part 2(转载)
转载深度学习笔记 来源|Sophia@知乎,https://zhuanlan.zhihu.com/p/152362317 本文仅用于学术分享,如有侵权,联系后台作删文处理 8. 超参数 以下是介绍超参数的信息图,它在神经网络中占据了重要的作用,因为它们可以直接提升模型的性能。 众所周知学习率、神经网络隐藏单元数、批量大小、层级数和正则化系数等超参数可以直接影响模型的性能,而怎么调就显得非常重要。目前最常见的还是手动调参,开发者会根据自身建模经验选择「合理」的超参数,然后再根据模型性能做一些小的调整。而自动转载 2020-09-13 12:37:43 · 113 阅读 · 0 评论 -
深度学习笔记Part 1(转载)
转载深度学习笔记 来源|Sophia@知乎,https://zhuanlan.zhihu.com/p/152362317 本文仅用于学术分享,如有侵权,联系后台作删文处理 1、深度学习基本概念 监督学习: 所有输入数据都有确定的对应输出数据,在各种网络架构中,输入数据和输出数据的节点层都位于网络的两端,训练过程就是不断地调整它们之间的网络连接权重。 左上: 列出了各种不同网络架构的监督学习,比如标准的神经网络(NN)可用于训练房子特征和房价之间的函数,卷积神经网络(CNN)可用于训练图像和类别之间的函数,转载 2020-09-12 19:56:36 · 121 阅读 · 0 评论