- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习——循环网络与NLP
一篇文章可以被简单地看作一串单词序列，甚至是一串字符序列。我们将 解析文本的常见预处理步骤。3.建立一个字典，将拆分的词元映射到数字索引。4.将文本转换为数字索引序列，方便模型操作。2.将字符串切分为词元（如单词和字符）。1.将文本作为字符串加载到内存中。第三步：构建词汇引表。
2023-04-16 19:35:54
44
原创 神经网络与深度学习总结（三）—深度学习视觉应用
很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别 ，还想得到它们在图像中的具体位置。例如，在无人驾驶里，我们需要通 过识别拍摄到的视频图像里的车辆、行人、道路和障碍的位置来规划行 进线路。机器人也常通过该任务来检测感兴趣的目标。图中的坐标原点在图像的左上角，原点往右和往下分别为x轴和y轴的正方向。然后，我们选择一个预训练的卷积神经网络来抽取图像的特征，其中的模型参数在训练中无须更新。物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图 片的任何地方，并且物体还可以是多个类别。
2023-04-02 15:54:36
43
原创 深度学习与神经网络总结（二）——卷积神经网络基础
用“结点”（nodes）和“线”(edges)的有向图来 描述数学计算的图像。“节点” 一般用来表示施加的数学操作，但也可以表示数据输入的起点/输出的 终点，或者是读取/写入持久变量的终点。FashionMNIST 的大小、格式和训练集/测试集划分与原始的MNIST 完全一致。60000/10000 的训练测试数据划分，28x28的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。：在矩阵的边界上填充一些值，以增加矩阵的大小，通常用0或者复制边界像素来进行填充。
2023-03-27 14:54:59
51
原创 神经网络与深度学习课程内容（1）
如果把原始的 SGD 想象成一个纸团在重力作用向下滚动，由于质量小受到山壁弹力的干扰大，导致来回震荡；若隐层节点（单元）可任意设置，用三层S型非线性特性节点的网络，可以一致逼近紧集上的连续函数或按范数逼近紧集上的平方可积函数。同时因为在鞍点处因为惯性的作用，更有可能离开平地。利用数理统计中回归分析，来确定两种或者两种以上变量间相互依赖的定量关系的一种统计方法。若隐层节点（单元）可任意设置，用三层阈值节点的网络，可以实现任意的二值逻辑函数。（3）维度不同：前面的例子中，一个是一维的回归，一个是二维的分类。
2023-03-19 19:53:36
111
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人