- 博客(9)
- 收藏
- 关注
RSS订阅原创 Deep Learning_Task 10_Kaggle上的狗品种识别/GANS/DCGAN
Kaggle上的狗品种识别（ImageNet Dogs）Image Augmentationtransform_train = transforms.Compose([ # 随机对图像裁剪出面积为原图像面积0.08~1倍、且高和宽之比在3/4~4/3的图像，再放缩为高和宽均为224像素的新图像 transforms.RandomResizedCrop(224, scale=(0...
2020-02-25 14:16:28
350
原创 Deep Learning_Task 06_优化与深度学习/梯度下降
优化与深度学习优化与估计尽管优化方法可以最小化深度学习中的损失函数值，但是本质上优化方法达到的目标与深度学习的目标并不相同· 优化方法目标：训练集损失函数值· 深度学习目标：测试集损失函数值（泛化性）import matplotlib.pyplot as pltimport sysimport d2lzh as d2limport numpy as npimport mpl_to...
2020-02-25 11:31:48
241
原创 Deep Learning_Task 08_Image Augmentation_Fine Tuning
图像增广（Image Augmentation）图像增广技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模；图像增广的另一种解释是随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力常用的图像增广方法读取图像，定义图像显示辅助函数import torchvisionfrom PIL import Imageimport matp...
2020-02-21 14:09:53
208
1
原创 Deep_Learning_Task04: 机器翻译及其相关技术/注意力机制/Transformer
机器翻译与数据集机器翻译（MT）:将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称之为神经机器翻译（NMT）。主要特征：输出是单词序列而不是单个单词，输出序列的长度可能和源序列的长度不同...
2020-02-18 16:00:17
309
原创 Deep_Learning_Task05: 卷积神经网络(CNN)/LeNet
卷积神经网络基础二维互相关运算二维互相关（cross-correlation）运算的输入是一个二维输入数组和以和二维核数组，输出也是一个二维数组，其中核数组通常成为卷积和或滤波器（filter），卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素...
2020-02-18 11:23:13
308
1
原创 Deep Learning_Task3_过拟合、欠拟合/梯度消失、梯度爆炸/循环神经网络进阶
一、过拟合、欠拟合及其解决方案·模型选择、过拟合和欠拟合训练误差(training error)：模型在训练数据集上表现出来的误差泛化误差(generalization error)：模型在任意一个测试样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似计算训练误差和泛化误差可以使用损失函数，比如平方损失函数和交叉熵损失函数等模型选择验证数据集在严格意义上，测试集只能在所有超...
2020-02-17 12:36:48
324
原创 Deep_Learning_Task2: 文本预处理、语言模型和数据集、循环神经网络
一、文本预处理step1-读入文本import reimport collections# read time_machinedef read_time_machine(): with open('/home/yuzhu/input/timemachine/timemachine.txt', 'r') as f: lines = [re.sub('[^a-z]...
2020-02-14 16:05:12
383
原创 Deep_Learning_Task1: Linear_Regression/Softmax/MLP
一 、Linear_Regression1_线性回归的基本要素模型（model）数据集（data set）：训练数据集（training data set） and 训练集（training set）损失函数（price function）：用来衡量损失值和真实值的误差，数值越小代表误差越小优化函数_随机梯度下降（optimical function_random gradient de...
2020-02-14 16:03:49
466
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