机器学习
文章平均质量分 95
after 19.
这个作者很懒,什么都没留下…
展开
-
PyTorch
PyTorch入门转载 2023-01-01 17:04:02 · 304 阅读 · 0 评论 -
机器学习入门
机器学习快速入门转载 2022-12-25 12:31:01 · 176 阅读 · 0 评论 -
深度学习入门
深度学习入门翻译 2022-12-25 23:03:49 · 1161 阅读 · 1 评论 -
深度学习展望
学习深度学习和人工智能是一次旅程, 读完本书只是旅程的第一站。我希望你认识到这一点,并能准备好独自迈向下一步。 首先我们将概览本书的重要内容,这应该会让你回忆起已经学过的一些概念。接下来,我 们将会概述深度学习一些关键的局限性。想要正确地使用工具,你不仅应该知道它能够做什么, 还应该知道它不能做什么。最后,我会给出我对于深度学习、机器学习和人工智能这些领域未来发展的猜测和思考。如果你想从事基础研究,应该对这一部分特别感兴趣。本章最后列出了 一份资源和策略的简要清单,供你进一步学习人工智能并掌握最新进展原创 2022-12-31 12:35:59 · 583 阅读 · 0 评论 -
深度学习总结
深度学习总结原创 2022-12-31 12:35:52 · 500 阅读 · 0 评论 -
生成式深度学习
本章包括以下内容:- 使用 LSTM 生成文本- 实现 DeepDream- 实现神经风格迁移- 变分自编码器- 了解生成式对抗网络原创 2022-12-31 12:31:24 · 574 阅读 · 0 评论 -
高级的深度学习最佳实践
本章将介绍几种强大的工具,可以让你朝着针对困难问题来开发最先进模型这一目标更近 一步。利用 Keras 函数式 API,你可以构建类图(graph-like)模型、在不同的输入之间共享某一层, 并且还可以像使用 Python 函数一样使用 Keras 模型。Keras 回调函数和 TensorBoard 基于浏览器 的可视化工具,让你可以在训练过程中监控模型。我们还会讨论其他几种最佳实践,包括批标 准化、残差连接、超参数优化和模型集成。原创 2022-12-27 23:50:09 · 175 阅读 · 0 评论 -
深度学习用于文本和序列
文章将介绍使用深度学习模型处理文本(可以将其理解为单词序列或字符序列)、时间序列 和一般的序列数据。用于处理序列的两种基本的深度学习算法分别是循环神经网络(recurrent neural network)和一维卷积神经网络(1D convnet),后者是上一章介绍的二维卷积神经网络的 一维版本。文章将讨论这两种方法。原创 2022-12-27 14:14:50 · 213 阅读 · 0 评论 -
深度学习用于计算机视觉
CNN入门原创 2022-12-26 21:54:57 · 179 阅读 · 0 评论 -
机器学习-PartOne
机器学习内容原创 2022-11-01 17:19:52 · 98 阅读 · 0 评论