【連載】深度學(xué)習(xí)筆記14：CNN經(jīng)典論文研讀之Le-Net5及其Tensorflow實(shí)現(xiàn)
? ? ? 在前幾次筆記中，筆者基本上將卷積神經(jīng)網(wǎng)絡(luò)的基本原理給講完了。從本次筆記開始，筆者在深度學(xué)習(xí)筆記中會(huì)
【連載】深度學(xué)習(xí)筆記11：利用numpy搭建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)
? 前兩個(gè)筆記筆者集中探討了卷積神經(jīng)網(wǎng)絡(luò)中的卷積原理，對(duì)于二維卷積和三維卷積的原理進(jìn)行了深入的剖析，對(duì) CNN
【連載】深度學(xué)習(xí)筆記13：Tensorflow實(shí)戰(zhàn)之手寫mnist手寫數(shù)字識(shí)別
? ? ? 上一講筆者和大家一起學(xué)習(xí)了如何使用 Tensorflow 構(gòu)建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型。本節(jié)我們將繼續(xù)
【連載】深度學(xué)習(xí)筆記12：卷積神經(jīng)網(wǎng)絡(luò)的Tensorflow實(shí)現(xiàn)
? ? ? 在上一講中，我們學(xué)習(xí)了如何利用 numpy 手動(dòng)搭建卷積神經(jīng)網(wǎng)絡(luò)。但在實(shí)際的圖像識(shí)別中，使用 nu
【連載】深度學(xué)習(xí)筆記10：三維卷積、池化與全連接
? ??? 在上一講中，我們對(duì)卷積神經(jīng)網(wǎng)絡(luò)中的卷積操作進(jìn)行了詳細(xì)的解讀，但僅僅是對(duì)二維圖像，即通道數(shù)為 1 的
【連載】深度學(xué)習(xí)筆記9：卷積神經(jīng)網(wǎng)絡(luò)（CNN）入門
? ? ? 前面的八篇學(xué)習(xí)筆記，基本上都是圍繞著深度神經(jīng)網(wǎng)絡(luò)（DNN）和全連接網(wǎng)絡(luò)（FCN）在學(xué)習(xí)。從本篇開始
深度學(xué)習(xí)筆記5：正則化與dropout
? ? ? 在筆記 4 中，詳細(xì)闡述了機(jī)器學(xué)習(xí)中利用正則化防止過(guò)擬合的基本方法，對(duì) L1 和 L2 范數(shù)進(jìn)行了
深度學(xué)習(xí)筆記6：神經(jīng)網(wǎng)絡(luò)優(yōu)化算法之從SGD到Adam
? ? ? 從前面的學(xué)習(xí)中，帶大家一起學(xué)會(huì)了如何手動(dòng)搭建神經(jīng)網(wǎng)絡(luò)，以及神經(jīng)網(wǎng)絡(luò)的正則化等實(shí)用層面的內(nèi)容。這些都
【連載】深度學(xué)習(xí)筆記7：Tensorflow入門
? ? ? 從前面的學(xué)習(xí)筆記中，筆者和大家一起使用了 ?numpy ?一步一步從感知機(jī)開始到兩層網(wǎng)絡(luò)以及最后實(shí)
深度學(xué)習(xí)筆記8：利用Tensorflow搭建神經(jīng)網(wǎng)絡(luò)
? ? ? 在筆記7中，和大家一起入門了 ?Tensorflow 的基本語(yǔ)法，并舉了一些實(shí)際的例子進(jìn)行了說(shuō)明，
【連載】深度學(xué)習(xí)筆記5：正則化與dropout
? ? ? 在筆記 4 中，詳細(xì)闡述了機(jī)器學(xué)習(xí)中利用正則化防止過(guò)擬合的基本方法，對(duì) L1 和 L2 范數(shù)進(jìn)行了
【連載】深度學(xué)習(xí)筆記6：神經(jīng)網(wǎng)絡(luò)優(yōu)化算法之從SGD到Adam
? ? ? 從前面的學(xué)習(xí)中，帶大家一起學(xué)會(huì)了如何手動(dòng)搭建神經(jīng)網(wǎng)絡(luò)，以及神經(jīng)網(wǎng)絡(luò)的正則化等實(shí)用層面的內(nèi)容。這些都
【連載】深度學(xué)習(xí)筆記7：Tensorflow入門
從前面的學(xué)習(xí)筆記中，和大家一起使用了 numpy 一步一步從感知機(jī)開始到兩層網(wǎng)絡(luò)以及最后實(shí)現(xiàn)了深度神....
【連載】深度學(xué)習(xí)筆記4：深度神經(jīng)網(wǎng)絡(luò)的正則化
今天要寫的是關(guān)于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中的一項(xiàng)關(guān)鍵技術(shù)：正則化。相信在機(jī)器學(xué)習(xí)領(lǐng)域摸爬滾打多年的你一定知....
深度學(xué)習(xí)筆記3：手動(dòng)搭建深度神經(jīng)網(wǎng)絡(luò)（DNN）
? ? 在筆記 1 和 2 里筆者使用 numpy 手動(dòng)搭建了感知機(jī)單元與一個(gè)單隱層的神經(jīng)網(wǎng)絡(luò)，理解了神經(jīng)網(wǎng)絡(luò)
【連載】深度學(xué)習(xí)筆記1：利用numpy從零搭建一個(gè)神經(jīng)網(wǎng)絡(luò)
? ?很多人說(shuō)深度學(xué)習(xí)就是個(gè)黑箱子，把圖像預(yù)處理之后丟進(jìn) tensorflow 就能出來(lái)預(yù)測(cè)結(jié)果，簡(jiǎn)單有效又
【連載】深度學(xué)習(xí)筆記2：手寫一個(gè)單隱層的神經(jīng)網(wǎng)絡(luò)
筆記1中我們利用 numpy 搭建了神經(jīng)網(wǎng)絡(luò)最簡(jiǎn)單的結(jié)構(gòu)單元：感知機(jī)。筆記2將繼續(xù)學(xué)習(xí)如何手動(dòng)搭建神經(jīng)網(wǎng)絡(luò)。
深度學(xué)習(xí)與深層神經(jīng)網(wǎng)絡(luò)，多層智能學(xué)習(xí)推動(dòng)人工智能！
機(jī)器學(xué)習(xí)使計(jì)算機(jī)能夠處理迄今為止僅由人執(zhí)行的任務(wù)。從駕駛汽車到翻譯語(yǔ)言，機(jī)器學(xué)習(xí)正在推動(dòng)人工智能爆炸....
從數(shù)據(jù)結(jié)構(gòu)到Python實(shí)現(xiàn)：如何使用深度學(xué)習(xí)分析醫(yī)學(xué)影像
運(yùn)用深度學(xué)習(xí)技術(shù)進(jìn)行圖像和視頻分析，并將它們用于自動(dòng)駕駛汽車、無(wú)人機(jī)等多種應(yīng)用場(chǎng)景中已成為研究前沿。近期諸如《
我們真的永遠(yuǎn)也理解不了人工智能嗎？
深度好文：我們真的永遠(yuǎn)也理解不了人工智能嗎？?美國(guó)科學(xué)雜志nautil.us《鸚鵡螺》作家Aaron M. B
“擁有像X光一樣的透視能力”的AI+無(wú)線設(shè)備
來(lái)自麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室的無(wú)線智能家居系統(tǒng)，能夠幫助監(jiān)測(cè)疾病，讓老年人“老有所屬”（老年
在這個(gè)科技技術(shù)迭代突飛猛進(jìn)的社會(huì)，現(xiàn)安逸的工作“你”還能持續(xù)多久
2017年被認(rèn)為是人工智能在全球范圍內(nèi)開始受到極大關(guān)注的一年，如果你留意的話，幾乎每天都有相關(guān)的消息傳來(lái)：Go
你了解人工智能？機(jī)器學(xué)習(xí)？深度學(xué)習(xí)？真的了解了？
有三個(gè)詞，這兩年出現(xiàn)的頻率越來(lái)越高：人工智能（AI），機(jī)器學(xué)習(xí)（ML），深度學(xué)習(xí)（DL），到底他們哥仨是什么關(guān)
你真的了解計(jì)算機(jī)視覺(jué)？一文詳解視覺(jué)，網(wǎng)絡(luò)壓縮，視覺(jué)問(wèn)答、可視性
引言深度學(xué)習(xí)目前已成為發(fā)展最快、最令人興奮的機(jī)器學(xué)習(xí)領(lǐng)域之一，許多卓有建樹的論文已經(jīng)發(fā)表，而且已有很多高質(zhì)量的
手把手教你解決-深度學(xué)習(xí)訓(xùn)練數(shù)據(jù)不平衡問(wèn)題
當(dāng)我們解決任何機(jī)器學(xué)習(xí)問(wèn)題時(shí)，我們面臨的最大問(wèn)題之一是訓(xùn)練數(shù)據(jù)不平衡。不平衡數(shù)據(jù)的問(wèn)題在于學(xué)術(shù)界對(duì)于....
新手的你還在苦苦學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，看完本文相信你必會(huì)恍然大悟
本文簡(jiǎn)要介紹了什么是循環(huán)神經(jīng)網(wǎng)絡(luò)及其運(yùn)行原理，并給出了一個(gè) RNN 實(shí)現(xiàn)示例。什么是循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）？它
工商網(wǎng)監(jiān)