Datawhale-李宏毅深度学习Day6

原创 已于 2022-08-29 00:19:46 修改 · 330 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #神经网络 #cnn

于 2022-08-28 00:02:21 首次发布
本文介绍了卷积神经网络的基本组成，包括卷积层、ReLU层、池化层和全连接层的功能与作用。卷积层通过卷积核降低参数数量；ReLU层增加非线性关系；池化层进一步降维；全连接层则将特征映射到样本标记空间。

卷积神经网络

卷积神经网络主要由这几类层构成：输入层、卷积层，ReLU层、池化（Pooling）层和全连接层（全连接层和常规神经网络中的一样）。

卷积层（Convolution layer）

通过卷积核与输入层作内积，从而降低参数个数。

ReLu激活函数层

增加了神经网络各层之间的非线性关系。

池化层（Pooling layer）

对卷积层所提取的信息做更一步降维，减少计算量

全连接层（Fully connected layer）

将前层(卷积、池化等层)计算得到的特征空间映射样本标记空间

李宏毅深度学习day one#Datawhale X 李宏毅苹果书 AI夏令营#
2301_80901708的博客
08-26 1029
博主大二工科在读，学深度学习的目的在于训练机器识别魔方六面颜色并给予相应编号，优化魔方复原机器人的识别速度。同时为保研夏令营做准备。机器学习约等于让机器具备选择函数的能力机器学习的类别：回归(regression)、分类(classification)、结构化学习(structured learning)回归：输入一串数组，输出一个数值分类：类别由人类设定，由机器进行分拣。例如，邮箱中分为垃圾邮件和工作邮件结构化学习：让机器创造一个自带结构的东西，例如，图形结构，一篇文章。。具体还待学习书中以预测视频平台的
DATAWHALE-李宏毅机器学习-4
ruthzhang1018的博客
09-18 370
深度学习的简单介绍，其中初探深度学习中的主要模型--神经网络的相关知识。
Datawhale-李宏毅深度学习Day5
Spiceboyyy的博客
08-25 486
深度学习
Datawhale-李宏毅深度学习Day1
Spiceboyyy的博客
08-15 484
ml自学笔记
Datawhale-李宏毅深度学习Day4
Spiceboyyy的博客
08-22 285
深度学习及反向传播机制
Datawhale-李宏毅深度学习Day3
Spiceboyyy的博客
08-21 384
机器学习误差分解及梯度下降
Datawhale-李宏毅深度学习Day2
Spiceboyyy的博客
08-17 477
回归任务、寻找模型、过拟合现象及优化
【李宏毅深度学习】局部极小值与鞍点 - Datawhale X 李宏毅苹果书 AI夏令营 Day1
m0_73906915的博客
08-22 379
在深度学习的优化过程中，局部极小值与鞍点是两个常见的“陷阱”，它们可能会阻碍模型的进一步优化，导致损失函数无法继续下降。深度学习的优化之路并非一帆风顺，局部极小值和鞍点是我们常遇到的挑战。了解并掌握这些概念与应对策略，将帮助你更好地训练深度学习模型，避免陷入优化的死胡同。，我们可以沿着特征值为负的方向更新参数，从而逃离鞍点，继续优化模型。这一过程相对复杂，实际中通常不会直接计算海森矩阵，而是采用其他优化策略，如。如果有正有负特征值，该临界点则为鞍点。因此，优化过程中更多时候遇到的是鞍点，而非局部极小值。
day1-李宏毅机器学习
啧啧怪的博客
09-13 418
目录心得体会一、hand-crafted rules二、三类学习方法三、迁移学习四、强化学习 心得体会 今天开始参加开源学习组织datawhale的组队学习--李宏毅机器学习，再次写一系列文章记录我的学习笔记与感悟。 李宏毅老师的讲课生动形象，中间自然而然穿插的英语让人听起来很舒服，有点口音也让人觉得课堂很有趣。初识机器学习，首先是机器学习的步骤（如何将大象放入冰箱？）第一个步骤就是找一个function，第二个步骤让machine可以衡量一个function是好还是不好，第三个步骤是让machine
Datawhale X 李宏毅苹果书 AI夏令营 - Day1
weixin_61443215的博客
08-26 299
方式：给parameter随意找两个点，w0和b0，使用梯度下降的方法不断向梯度为0的最小点移动，移动大小取决于学习度（learning rate）。方式：根据对过去已有的经验/数据 - 领域知识（domain knowledge）来预测未来的可能性，找出最接近现实的那个。- 鞍点（Saddle Points），过拟合（Overfitting），欠拟合（Underfitting）- 局部最小点v.s全局最小值：找到的梯度为0的可能只是局部最小点，而不是全局最小点。Loss function 为什么是负的？
台大-李宏毅-B站机器学习视频-课件.zip
09-30
台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器学习视频-课件.zip台大-李宏毅-B站机器...
DATAWHALE-李宏毅机器学习-1
ruthzhang1018的博客
09-12 396
李宏毅老师机器学习课程引言部分，机器学习领域的简单概览。
【DataWhale-李宏毅深度学习】Task04深度学习介绍和反向传播机制
LucyLuo2020的博客
07-15 262
参考链接：https://datawhalechina.github.io/leeml-notes 文章目录一、深度学习的发展趋势二、深度学习的三个步骤2.1 神经网络（Neural network）2.2 模型评估（Goodness of function）2.3 选择最优函数（Pick best function）三、反向传播四、总结 一、深度学习的发展趋势 回顾一下深度学习（deep learning）的历史： 1958: Perceptron (linear model) 1969: Percep
深度学习常用工具和库介绍
2301_81354580的博客
12-21 588
即使对于有一定基础的人来说，如果之前没有接触过python，学习深度学习的时候，对一些工具和依赖库依然会感到陌生，我自己就是学Java的，最近在学习深度学习，对 python接触不多，因此对其中一些工具并不熟悉，所以整理了一些常用的介绍一下，当然后续可能还会增加。
Day 45 简单CNN@浙大疏锦行
最新发布
qq_35619695的博客
12-22 541
探究修改卷积神经网络（CNN）的深度与宽度，以及改变学习率调度器对模型训练效果的影响。
【深度学习】Mask R-CNN在温室番茄成熟度检测中的应用——基于ResNet18与FPN的多级特征融合分类系统
Lun3866buzha的博客
12-18 687
本文提出了一种基于改进Mask R-CNN的温室番茄成熟度检测系统，通过结合ResNet18骨干网络和FPN多级特征融合技术，实现了对不同成熟度番茄的高精度识别。系统采用5000张标注图像进行训练，通过数据增强提高模型鲁棒性，最终在测试集上达到92.3%的准确率和89.7%的mAP。实际部署采用边缘计算设备，处理速度达20FPS，显著提升了番茄采摘效率。实验表明，该系统在复杂光照条件下表现稳定，为智能农业提供了有效的技术解决方案。
Pytorch经典卷积神经网络-----激活函数篇
2301_77958892的博客
12-18 769
在神经元的数学表达式 (y = h(wx+b)) 中，h、w、b 分别代表激活函数、权重参数、偏置参数，三者是构成单个神经元的核心要素，共同实现对输入信号的加权变换与非线性映射其中h则为激活函数一个非线性函数，用于对线性变换结果 (wx+b) 进行映射，让神经元具备非线性表达能力。核心作用：如果没有激活函数，无论神经网络有多少层，最终输出都是输入的线性组合（多层线性变换等价于单层线性变换），无法拟合复杂的非线性任务（如图像分类、语音识别）。
基于深度学习的肾结石检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
ningfoshao8678的博客
12-16 968
本文介绍了基于YOLO目标检测算法开发的肾结石检测系统。该系统支持图片、视频、文件夹批量及摄像头实时检测，包含用户登录、多模型切换等功能。技术栈采用Python3.10、PyQt5和SQLite，对比了YOLOv5/v8/v11/v12四种模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。系统在17000张肾脏影像数据集上训练，mAP@0.5达90%，F1值0.86，能有效识别肾结石位置并显示置信度。
入门篇--人工智能发展史-4-点燃深度学习革命的那把火，AlexNet
weisian的博客
12-20 835
摘要： AlexNet（2012）是深度学习革命的里程碑模型，以15.3%的错误率横扫ImageNet竞赛，比传统方法提升10个百分点。其成功源于三大突破：1）ReLU激活函数解决深层网络梯度消失问题；2）GPU并行训练将训练时间从数周缩短至5-6天；3）Dropout正则化防止过拟合。该模型奠定了现代CNN的“卷积+池化+全连接”范式，推动GPU成为AI基础设施，并验证了“数据+算力+算法”的铁三角逻辑。AlexNet直接引爆了全球深度学习热潮，其设计思想至今仍是计算机视觉的基石。
深度学习思想与理论精讲 - 李宏毅深度学习导向
5. 学习深度学习的必要性： 在当代，深度学习技术正在迅速改变世界，它不仅在理论研究领域有其位置，在工业界也有着广泛的实际应用。掌握深度学习的基本知识对于任何希望在数据科学、机器学习、人工智能等领域发展...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值