- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习（基于动手学深度学习pytorch）(四)
LSTM的全称是Long Short Term Memory，它是具有记忆长短期信息的能力的神经网络,是一种改进之后的循环神经网络。深度循环神经网络（Deep Recurrent Neural Network，简称DRNN）是一种循环神经网络（Recurrent Neural Network，简称RNN）的扩展形式，它具有多个隐藏层，并且可以处理长度不固定的序列数据。（RNN）的一种，可以解决RNN中不能长期记忆和反向传播中的梯度等问题，与LSTM的作用类似，不过比LSTM简单，容易进行训练。
2024-05-04 21:49:54
687
2
原创 神经网络与深度学习（基于动手学深度学习pytorch）(三)
1.1.1 混淆矩阵在机器学习领域，混淆矩阵（Confusion Matrix），又称为可能性矩阵或错误矩阵。混淆矩阵是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵的结构一般如下图表示的方法。TP: 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数FP: 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数。
2024-05-02 14:00:56
1426
1
原创 神经网络与深度学习（基于动手学深度学习pytorch）(二)
【内容介绍】本文中主要对卷积神经网络进行介绍和部分代码进行实验演示，其中主要使用平台为pytorch，相关安装教程可以参考，代码运行平台为vscode，插件jupyter。
2024-04-12 08:47:52
1489
1
原创 神经网络与深度学习（基于动手学深度学习pytorch）(一)
本文关于神经网络与深度学习，主要学习教材为李沐老师等编写的动手学深度学习pytorch版，并加有相关补充内容。教材官网链接，相关代码可以从官网上下载，相关运行环境下载安装。通常我们提到深度学习，常常会忘记深度学习只是机器学习的一小部分，而认为它是独立于机器学习的单独模块。这是因为机器学习作为一门历史更悠久的学科，在深度学习没有问世之前，在现实世界的应用范围很窄。在语音识别、计算机视觉、自然语言处理等领域，由于需要大量的领域知识并且现实情况异常复杂，机器学习往往只是解决这些领域问题方案中的一小部分。
2024-03-31 22:58:24
1381
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