paddlepaddle
Venistar
这个作者很懒,什么都没留下…
展开
-
【深度学习】【PaddlePaddle】DAY 7 - Week1课程集中答疑
深度学习课程 DAY 7 - Week1课程集中答疑(1)训练集 、测试集、验证集的区别和联系.原创 2020-09-07 20:55:29 · 198 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】DAY 6 - 图像分类问题:手写数字识别案例(八)
深度学习课程 DAY 6 - 图像分类问题:手写数字识别案例(八)Chapter 3 图像分类问题3.9 模型保存和恢复训练(1)模型加载(2)恢复训练Chapter 3 图像分类问题3.9 模型保存和恢复训练(1)模型加载在之前的章节已经向读者介绍了将训练好的模型保存到磁盘文件的方法。应用程序可以随时加载模型,完成预测任务。但是在日常训练工作中,我们会遇到一些突发情况,导致训练过程主动或被动的中断。如果训练一个模型需要花费几天的时间,中断后从初始状态重新训练是不可接受的。从上一次保存状态开始继续训原创 2020-09-04 17:31:04 · 310 阅读 · 2 评论 -
【深度学习】【PaddlePaddle】DAY 6 - 图像分类问题:手写数字识别案例(七)
深度学习课程 DAY 6 - 图像分类问题:手写数字识别案例(六)Chapter 3 图像分类问题3.7 模型优化之训练调试(1)概述(2)计算模型的分类准确率(3)检查模型训练过程,识别潜在训练问题(4)加入校验或测试,更好评价模型效果(5)加入正则化项,避免模型过拟合1)过拟合现象2)过拟合的表现3)过拟合的成因与防控4)正则化项(6)可视化分析1)Matplotlib库-绘制曲线图2)VisualDL-可视化分析Chapter 3 图像分类问题3.7 模型优化之训练调试(1)概述上一节我们研究原创 2020-09-01 20:25:52 · 663 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】DAY 6 - 图像分类问题:手写数字识别案例(六)
深度学习课程 DAY 6 - 图像分类问题:手写数字识别案例(六)Chapter 3 图像分类问题3.7 模型优化之资源配置(1)概述(2)单GPU训练(3)分布式训练1)模型并行2)数据并行① PRC通信方式② NCLL2通信方式(Collective)Chapter 3 图像分类问题3.7 模型优化之资源配置(1)概述从前几节的训练看,无论是房价预测任务还是MNIST手写字数字识别任务,训练好一个模型不会超过十分钟,主要原因是我们所使用的神经网络比较简单。但实际应用时,常会遇到更加复杂的机器学习原创 2020-09-01 20:24:29 · 575 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】DAY 6 - 图像分类问题:手写数字识别案例(五)
深度学习课程 DAY 6 - 图像分类问题:手写数字识别案例(四)Chapter 3 图像分类问题3.6 模型优化之优化算法(1)概述(2)设置学习率(3)学习率的主流优化算法Chapter 3 图像分类问题3.6 模型优化之优化算法(1)概述上一节明确了分类任务的损失函数(优化目标)的相关概念和实现方法,本节我们依旧横向展开"横纵式"教学法,如图所示,本节主要探讨在手写数字识别任务中,使得损失达到最小的参数取值的实现方法。前提条件:在优化算法之前,需要进行数据处理、设计神经网络结构,代码与上一原创 2020-09-01 20:24:10 · 369 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】DAY 6 - 图像分类问题:手写数字识别案例(四)
深度学习课程 DAY 6 - 图像分类问题:手写数字识别案例(四)Chapter 3 图像分类问题3.5 模型优化之损失函数(1)概述(2)分类任务的损失函数1)Softmax函数2)交叉熵3)交叉熵的代码实现Chapter 3 图像分类问题3.5 模型优化之损失函数(1)概述上一节尝试通过更复杂的模型(经典的全连接神经网络和卷积神经网络),提升手写数字识别模型训练的准确性。本节探讨损失函数的优化对模型训练效果的影响。损失函数是模型优化的目标,用于在众多的参数取值中,识别最理想的取值。损失函数的计原创 2020-09-01 20:23:49 · 910 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】DAY 6 - 图像分类问题:手写数字识别案例(三)
深度学习课程 DAY 6 - 图像分类问题:手写数字识别案例(三)Chapter 3 图像分类问题3.4 模型优化之网络结构Chapter 3 图像分类问题3.4 模型优化之网络结构原创 2020-09-01 20:23:26 · 484 阅读 · 2 评论 -
【深度学习】【PaddlePaddle】DAY 5 - 图像分类问题:手写数字识别案例(二)
Chapter 2 图像分类问题1(1)1)原创 2020-08-25 17:57:14 · 445 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】DAY 4 - 图像分类问题:手写数字识别案例(一)
深度学习课程 DAY 3 - 图像分类问题:手写数字识别案例Chapter 2 图像分类问题1 手写数字识别任务(1)数字识别概述(2)MNIST数据集2 构建手写数字识别任务的神经网络模型1)数据处理Chapter 2 图像分类问题1 手写数字识别任务(1)数字识别概述数字识别是计算机从纸质文档、照片或其他来源接收、理解并识别可读的数字的能力,目前比较受关注的是手写数字识别。手写数字识别是一个典型的图像分类问题,已经被广泛应用于汇款单号识别、手写邮政编码识别等领域,大大缩短了业务处理时间,提升了工原创 2020-08-25 16:23:00 · 1717 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】DAY 3 - 构建神经网络模型(二)
深度学习课程 DAY 3 - 构建神经网络模型(二)Chapter 2 构建神经网络模型2.2 代码实现-构建神经网络模型(4)训练过程1)梯度下降法2)计算梯度3)使用Numpy进行梯度计算4)确定损失函数更小的点5)代码封装Train函数6)训练扩展到全部参数(5)模型保存Chapter 2 构建神经网络模型2.2 代码实现-构建神经网络模型(4)训练过程上述计算过程描述了如何构建神经网络,通过神经网络完成预测值和损失函数的计算。接下来介绍如何求解参数w和b的数值,这个过程也称为模型训练过程。训原创 2020-08-23 18:35:39 · 1312 阅读 · 3 评论 -
【深度学习】【PaddlePaddle】DAY 2 - 构建神经网络模型(一)
深度学习课程 DAY 2 - 零基础入门深度学习Chapter 1 零基础入门深度学习3 构建神经网络模型(1)问题阐述和定性分析(2)线性回归模型(模型假设和评价函数)(3)神经网络模型(优化算法)(4)构建预测任务的神经网络模型1)数据处理① 读入数据② 数据形状变换③ 数据集划分④ 数据归一化处理⑤ 封装为load data函数2)模型设计3)训练配置4)训练过程5)模型保存Chapter 1 零基础入门深度学习3 构建神经网络模型上一节我们初步认识了神经网络的基本概念(如神经元、多层连接、前向原创 2020-08-21 16:03:27 · 1127 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】DAY 2 - 深度学习入门
深度学习课程 DAY 2 - 零基础入门深度学习Chapter 1 零基础入门深度学习1 前言(1)学习路径(2)课程准备(3)课程特色2 机器学习与深度学习综述(1)人工智能、机器学习、深度学习的关系(2)机器学习1)机器学习的实现2)机器学习的方法论2.1 概念定义和关系2.2 深度学习历史3 构建神经网络模型Chapter 1 零基础入门深度学习1 前言(1)学习路径该深度学习教程提供的基本学习路径。通过原理和代码结合、案例和作业结合进行学习。(2)课程准备知识储备:Python编程、机原创 2020-08-12 23:50:19 · 437 阅读 · 0 评论 -
【深度学习】【PaddlePaddle】Ubuntu16.04的NVIDIA显卡驱动、CUDA9和cuDNN安装(排雷躲坑必备)
1 准备工作1.1 查询本机信息(1)GPU信息原创 2020-08-09 22:13:00 · 958 阅读 · 0 评论