深度学习
文章平均质量分 92
一碗姜汤
科学的世界谈不上真正的理解,你只是去习惯它。
展开
-
【深度学习00】绪论
— 我们输入原始数据和label,也就是一些样本。并且无需人工干预,就能够建立整个模型。原创 2023-07-25 18:14:26 · 38 阅读 · 0 评论 -
【深度学习01】TensorFlow神经网络理论实战
TensorFlow是运用最广的深度学习框架之一。他还有另外一个同行叫做pytorch。他俩的区别就是TensorFlow比pytorch难写不止一点半点。而且TensorFlow它的版本迭代,很多版本之间是互相不兼容的。TensorFlow既服务于科研,又服务于生产。他还是多平台支持的,丰富的生态环境。TensorFlow的运作方式是先构建计算图,这个计算图里面是没有东西的,只有当我们把数据送到里面的时候,开始一个session的计算的时候,他才有数据的流动。所以这跟我们平常的编程模式是有一些差别的。原创 2023-07-25 22:41:01 · 688 阅读 · 1 评论 -
【深度学习07】解决CNN的困境——胶囊网络
产生CNN困境的根本原因是在普通神经网络中执行运算的基本单位——神经元(neural)——处理的数据是标量(scalar),在卷积层后用抛弃神经元的方式降低数据复杂度直接丢失了很多信息。而在新的架构中,承载运算的基本单元——胶囊(capsule)——处理的数据变成了向量(vector),用向量的线性变换降低数据复杂度使得所有信息都能够参与其中。这个改变推翻了沿用了几十年的基于神经元的网络计算方法,产生了全新的基于向量的胶囊运算流程。胶囊与传统神经元的运算方式对比如图9-49所示。胶囊的输入与输出。原创 2024-01-07 20:13:33 · 1287 阅读 · 2 评论 -
【深度学习08】变分自编码器(VAE)
是正则化项,当它是拉普拉斯分布时对应L1正则(z容易得到稀疏解),当它是高斯分布时对应L2正则。而变分推断在解决后验分布计算的问题上有它的足够优势。而且,在隐空间中,相似的样本也是相近的,这确保了在隐空间中进行各种计算操作的正确性,同时在隐空间中计算也会更加便捷。的作用是作为正则项,把隐空间的结构规则限定在高斯,使之不至于太复杂而过拟合。看做是一个随机变量,它有自己的分布,目标转为已知观测数据。这样的降维方法:减少描述数据的特征数量的过程。是一个未知的确定性的常数,可以通过观测数据。原创 2024-03-20 15:23:43 · 1251 阅读 · 0 评论 -
【深度学习09】图神经网络——在推荐系统中的应用
其从用户数据中构造图(graph)的方法和应对大规模图而采取的实现技巧都值得我们学习。PinSage被应用在图片推荐类Pinterest上。在Pinterest中,每个用户可以创建并命名图板(board),并将感兴趣的图片(pins)添加进图板。推荐系统的任务是为每个图片生成高质量的表示向量,并据此为每位用户推荐其可能感兴趣的图片。原创 2024-01-08 23:40:35 · 1436 阅读 · 1 评论