李宏毅笔记

最新推荐文章于 2024-05-18 22:06:58 发布
VIP文章 最新推荐文章于 2024-05-18 22:06:58 发布
阅读量104 收藏
点赞数
文章标签： 深度学习 rnn 自然语言处理
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_45922360/article/details/127521062
版权
  1. Benefit of Convolutional Layer

 

  1. Convolutional Layer

  1. The whole CNN

  1. RNN

  1. Of course it can be deep…

  1. Bidirectional RNN

最低0.47元/天 解锁文章
Miporin31
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
李宏毅学习笔记的PDF版
04-22
李宏毅老师的机器学习视频是机器学习领域经典的中文视频之一，也被称为中文世界中最好的机器学习视频。李老师以幽默风趣的上课风格让很多晦涩难懂的机器学习理论变得轻松易懂，并且老师会通过很多有趣的例子结合机器...
Generative Model - 李宏毅笔记
weixin_42010722的博客
11-11 1319
输入x。输出不同且具有创造的结果 画画 比如 画一个红眼睛的人脸 GAN的变形 GAN ACGAN BGAN CGAN DCGAN EBGAN fGAN GoGAN 神奇宝贝比比鸟 学习，根据周围环境，自学习进化， 通过每次生成的。和判别器判断，进化 生成器与判别器 对抗 generato loss越小越好 discriminator越大越好 反复执行 训练 生成器后 固定 判别器 ，把生成器生成的给判别器判断（固定生成器，训练判别器）， styleGAN 动画头像 progressiveGAN 人脸 通
机器学习 - 李宏毅笔记
weixin_42010722的博客
01-14 1198
李宏毅机器学习笔记1.机器学习简介1.1 机器学习项目流程1.1.1 找到未知函数1.1.2 定义训练损失函数1.1.3 优化2.机器学习攻略指南（实现一个好的模型）2.1 判断训练集loss过大还是过小2.1.1 如果train loss过大，如何判断是model bias还是optimize issue2.1.2 model bias解决方法2.1.3 Optimization issue解决方法2.1.4 Optimization优化器训练技巧：Batch与Momentum2.2 判断测试集loss过
Transformer - 李宏毅笔记
weixin_42010722的博客
02-08 1521
Transformer1.Sequence-to-sequence简介2.transformer结构2.1 transformer的Encoder2.1.1 Encode结构2.1.2 Encoder具体结构分解2.2 transformer的Decoder2.2.1 Decode结构2.2.2 Mask2.2.3 Cross attention 1.Sequence-to-sequence简介 前一章提到过，模型在处理文本或者语音的数据时，是输入一个序列，输出一个class或者一个序列 Seq2seq表示
P11机器学习--李宏毅笔记GAN（对抗生成网络）
u013373155的博客
11-13 1062
GAN的基本概念 GAN的训练方法 训练GAN的目标 Model Collapse Model Dropping 计算多样性 Conditional GAN Condtitional GAN+Supervised learing cycle Gan
李宏毅深度学习Transformer笔记
m0_61803871的博客
12-11 1164
记录了李宏毅老师的Transformer课程的笔记。
PCA李宏毅笔记
DecafTea的博客
03-12 103
https://blog.csdn.net/code_caq/article/details/79636136 wiki：
李宏毅机器学习笔记：RNN循环神经网络
夏之微风的博客
09-03 1083
第3个输入为[2,2]，结合前一个memory的输入为[6,6]，这个时候hidden layer的输出为[16,16]，output为[32,32]。这个时候结合前一个memory的输出[2,2]，hdden layer的输出为[6,6]，output为[12,12]。举例来说，我们输入的第一个向量为[1,1]，则hidden layer的输出为[2,2]，先被储存起来，输出为[4,4]。这样，将词汇向量化之后，我们指导，网络的输入为一个个的词汇向量，网络的输出则为：y1表示词汇属于。
【机器学习李宏毅课程笔记】01.Regression
weixin_63614711的博客
05-14 276
本文介绍机器学习的一种方法Regression
李宏毅深度学习笔记——呕心整理版
Red_Elf的博客
12-06 3857
机器学习就是寻找一个复杂函数。深度学习的函数就是类神经网络。
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
李宏毅老师2021深度学习课程笔记.pdf
10-08
2021春季李宏毅老师深度学习课程笔记（神经网络训练不起来处理方法+分类的数学原理）
@[TOC](机器学习 李宏毅 笔记)
01-07
机器学习分类 Scenario 训练场景 由拿到的数据决定 task 任务类型 由想得到的输出决定 method 所选择的function set 只是specialize了Classifacaiton 的具体分类，但是每个senerio 都包含这些task, 每个task 都包含...
李宏毅深度学习课程中的笔记
08-08
适用于初学deeplearning的初学者，方便笔记
深度学习之基于Yolov7驾驶员疲劳检测系统
2301_79809972的博客
05-17 945
一、项目背景随着汽车保有量的不断增加，驾驶安全问题日益受到人们的关注。驾驶员疲劳驾驶是导致交通事故的重要原因之一。因此，开发一种能够实时监测驾驶员疲劳状态并提前发出预警的系统对于保障驾驶安全具有重要意义。近年来，深度学习技术特别是目标检测技术在计算机视觉领域取得了显著进展，为驾驶员疲劳检测提供了新的解决方案。本项目旨在利用YOLOv7算法，开发一个基于深度学习的驾驶员疲劳检测系统。二、项目目标。
深度学习之基于YoloV5+LPRNet车牌识别系统
2301_79809972的博客
05-18 950
一、项目背景与意义在智能交通管理系统中，车牌识别技术是一项至关重要的技术。随着车辆数量的不断增长和交通环境的日益复杂，对车牌进行准确、快速的识别已成为现代交通管理不可或缺的一部分。为了满足这一需求，本项目采用了先进的YOLOv5和LPRNet算法，结合深度学习技术，开发了一套高效的车牌识别系统。二、技术原理该系统基于深度学习和目标检测技术，整合了YOLOv5目标检测框架和LPRNet文本识别模型。YOLOv5算法在目标检测领域具有出色的性能，能够快速、准确地检测图像中的目标；
常用神经网络-ANN/CNN/RNN/GAN/Transformer
最新发布
咸鱼翻书
05-18 613
深度学习中，五种常用神经网络介绍。
深度学习之基于Matlab卷积神经网络人脸表情识别系统
2301_79810943的博客
05-18 781
一、项目背景与意义人脸表情识别是计算机视觉领域中的一个重要研究方向，其应用广泛，包括人机交互、智能监控、医疗诊断等。随着深度学习技术的快速发展，卷积神经网络（Convolutional Neural Networks, CNN）在图像识别任务中取得了显著成果。本项目旨在利用Matlab和卷积神经网络构建一个人脸表情识别系统，实现对人脸表情的自动分类和识别。二、技术原理本项目采用卷积神经网络作为核心算法，通过深度学习的方法自动学习人脸表情的特征。
李宏毅transformer笔记
08-22
李宏毅是一位著名的机器学习和深度学习专家，他在教学视频中也提到了Transformer模型。下面是一些关于李宏毅关于Transformer的笔记总结： 1. Transformer 是一种基于注意力机制（attention mechanism）的序列到序列（sequence-to-sequence）模型。它在自然语言处理任务中取得了很大的成功。 2. Transformer 模型的核心思想是完全摒弃了传统的循环神经网络（RNN）结构，而是采用了自注意力机制（self-attention mechanism）来建模输入序列之间的依赖关系。 3. 自注意力机制能够将输入序列中的每个位置与其他位置建立联系，从而捕捉到全局上下文的信息。它能够解决传统的RNN模型在处理长序列时的梯度消失和梯度爆炸问题。 4. Transformer 模型由编码器（Encoder）和解码器（Decoder）两部分组成。编码器负责将输入序列表示为高维向量，解码器则根据编码器的输出生成目标序列。 5. 编码器和解码器由多个层堆叠而成，每一层都包含了多头自注意力机制和前馈神经网络。多头自注意力机制可以并行地学习输入序列中不同位置之间的关系。 6. Transformer 模型还引入了残差连接（residual connection）和层归一化（layer normalization）来帮助模型更好地进行训练和优化。 这些是李宏毅关于Transformer的一些主要笔记总结，希望对你有所帮助。注意，这些总结仅代表了我对李宏毅在其教学视频中所讲述内容的理解，如有误差请以李宏毅本人的观点为准。

“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 1
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