深度学习入门

最新推荐文章于 2025-12-11 22:53:49 发布
原创 最新推荐文章于 2025-12-11 22:53:49 发布 · 88 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 #机器学习

Deep leaerning 

1958 感知机（逻辑回归）

1969 感知机算法无法解决线性不可分

1980 多层感知机 DNN

1986 反向传播 三层以上的网络效果不好

1989 1hidden layer 效果就很好

2006 RBM 

2009 GPU 加速

2011 语音识别

2012 图像识别

全链接神经网络

Input vector                                                       Output vector

 

 多个Hidden layer 就是深度学习

 Matrix operation

 Neural network

 Neural Network的结果 是一连串的矩阵想乘

Hidden layer 可以看作新的特征

 Loss

total loss

模型训练的方法 反向传播

链式求导和批量梯度下降

首先设置所有的layer 的weight 的初始值

然后计算出模型的输出值

通过通过如果loss 很大，不满足要求

通过最后一层求偏导，然后进行梯度下降，并一直往前更新，直到更新到input 层，

然后计算新的权重的神经网络的loss，

如果满足要求，该模型就是我们想要的模型，如果不满足则重复操作

liuofcode
关注
机器学习与深度学习入门篇
香蕉的博客
04-27 2643
一、机器学习 1.机器学习是什么？ 机器学习是将无序数据转换为价值的方法。 2.机器学习的价值 从数据中抽取规律，并预测未来。 3.机器学习的应用 （1）分类问题 图像识别、垃圾邮件识别。 （2）回归问题 股价预测、房价预测。 （3）排序问题 点击率预估、推荐。 （4）生成问题 图像生产、图像风格转换、图像文字描述生成。 4.机器学习流程 5.机器学习岗位职责 （1）数据处理(采集+去噪) （2）模型训练(特征+模型) （3）模型评估与优化(MSE、F1-score、AUC+调参) （4）模型应用(A/B
深度学习入门 2：自制框架配套代码详解
08-12
为了让初学者能够更好地理解和掌握深度学习的基本原理和实践操作，越来越多的教程和书籍开始涌现，其中就包括了《深度学习入门 2：自制框架配套代码详解》。 这本书籍的特点在于不仅提供了理论知识的讲述，还特别...
PyTorch 深度学习入门
热门推荐
努力是为了站在万人之中，成为别人的光
06-14 2万+
深度学习是机器学习的一个分支，其中编写了模仿人脑功能的算法。深度学习中最常用的库是 Tensorflow 和 PyTorch。由于有各种可用的深度学习框架，人们可能想知道何时使用 PyTorch。以下是人们可能更喜欢将 Pytorch 用于特定任务的原因。Pytorch 是一个开源深度学习框架，带有 Python 和 C++ 接口。Pytorch 位于 torch 模块中。在 PyTorch 中，必须处理的数据以张量的形式输入。如果您的系统中安装了 Anaconda Python.........
深度学习入门从入门到精通——深度学习入门
swpucwf的博客
08-22 1万+
RNN：适用于处理短时间依赖的序列数据，但存在梯度消失问题。LSTM：通过复杂的门机制，能够处理长时间依赖，并有效防止梯度消失，适用于更长的序列数据。GRU：简化了 LSTM 的结构，计算效率更高，在保持性能的同时减少了计算开销。这些模型都在自然语言处理、语音识别、时间序列预测等领域有广泛的应用。通过理解这些模型的原理和优缺点，可以更好地选择合适的模型来处理具体的序列任务。
深度学习入门pdf_深度学习入门篇
weixin_39526706的博客
12-05 1849
总篇42篇 2019年第16篇2016年人工智能AlphaGo战胜了人类围棋棋手李世石引起轰动人工智能、深度学习等等名词越来越多的出现在人们的视野，也激发了一些小伙伴学习人工智能相关技术和算法的兴趣。希望通过本文分享，对感兴趣的小伙伴入门深度学习有所帮助。从范畴上看，人工智能与机器学习、深度学习(神经网络)的关系如下：人工智能>机器学习>深度学习(神经网络)机器学习又可分类...
深度学习入门参考路线
q15516221118的博客
06-02 1238
深度学习入门学习路径
深度学习入门极简教程（一）
Sumarua的博客
03-29 6907
深度学习入门极简教程（一） 摘要： 当你和女朋友在路边手拉手一起约会的时候，你可曾想，你们之间早已碰撞出了一种神秘的智慧–深度学习。恋爱容易，相处不易，不断磨合，打造你们的默契，最终才能决定你们是否在一起。深度学习也一样，输入各种不同的参数，进行训练拟合，最后输出拟合结果。 恋爱又不易，且学且珍惜！ 导言： 目前人工智能非常火爆，而深度学习则是引领这一火爆现场的“火箭”。于是，有关“深度学习”的论文、书籍和网络博客汗牛充栋，但大多数这类文章都具备“高不成低不就”的特征。对于高手来说，自然是没有问题，他们
深度学习入门学习笔记2(PyTorch入门)
qq_56045070的博客
08-26 2189
本文主要学习PyTorch和Tensor，并使用colab编程实践。
深度学习入门（看了就会）
小飞猪的博客
04-23 5821
什么是深度学习呢？ 简单来说就是当你拥有一个数据集的时候，若你想处理它，可能你的反应是for遍历一遍。但深度学习是不需要的。 首先介绍一下深度学习的一些基本概念。 对于一张图片的储存，是分为了三个二维数组，分别是红绿蓝三个颜色。 而我们是将这三个二维数组中的数据全部放到一个列向量中。也就是说，若三个64×64的数组，那列向量x中的元素就是64×64×3个。x作为深度学习的输入，输出我们用y来表示，y的取值是0/1，0表示识别失败，1表示成功。 通常用n表示x维度（上述中n为64643），用m表示训练集的个数
【深度学习入门】深度学习基础概念与原理
有朋自远方来，不亦乐乎。
01-17 3882
深度学习是机器学习中的一种基于人工神经网络的机器学习方法，其关键在于通过多层神经网络对输入数据进行逐深度学习是机器学习中的一种基于人工神经网络的机器学习方法，其关键在于通过多层神经网络对输入数据进行逐层抽象和表示学习，从而实现对复杂数据结构和非线性关系的建模。深度学习模型通常包含多个隐藏层，每个隐藏层都有许多神经元。这些神经元通过权重连接，模拟了生物神经元之间的信号传递过程。深度学习的目标是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。
深度学习入门学习材料.pdf
12-03
深度学习作为人工智能的一个分支，近年来得到了迅猛的发展，其在图像识别、语音识别、自然语言处理等多个领域都有突出的应用。深度学习的基础是深度神经网络，它模拟了人类大脑神经元的结构和功能，通过学习大量的...
深度学习入门源码（鱼书配套，自己添加的注解）
11-05
文件集中的《深度学习入门：基于Python的理论与实现.pdf》是该资源的核心部分，它很可能是一本详细的入门教程，使用Python作为实现深度学习的编程语言。Python以其简洁的语法和强大的库支持，在数据科学和机器学习...
基于Python的《深度学习入门：基于Python的理论与实现》教程设计源码
11-15
值得注意的是，教程还提供了一个《深度学习入门：基于Python的理论与实现》的高清中文版PDF文件，该文件可能包含了完整教程的理论部分，与源码部分相辅相成，为读者提供了理论学习和实践操作的双重途径。 教程设计...
基于Python的深度学习入门设计源码
04-06
本资源提供了一套基于Python的深度学习入门的设计源码，包含79个文件，其中包括67个Python源代码文件，4个Pickle数据文件，以及3个Markdown文档。此外，还包括2个PNG图片文件，以及1个神经网络基础/感知机的章节文件...
DefaultCPUAllocator: can‘t allocate memory
weixin_45776000的博客
12-11 304
【代码】DefaultCPUAllocator: can‘t allocate memory。
深度学习中 z-score 标准化理解
最新发布
musk1212的博客
12-11 484
摘要： z-score标准化是深度学习中关键的数据预处理方法，通过将数据转换为均值为0、标准差为1的分布，有效提升模型训练效率并消除特征量纲差异。其核心公式为z=(x-μ)/σ，适用于加速收敛、平衡多特征权重及异常值检测等场景。与Min-Max归一化相比，z-score对异常值更鲁棒，是神经网络训练的首选方法。需注意避免数据泄露问题（测试集必须使用训练集的μ和σ），并处理标准差为0的特殊情况。批量归一化(BatchNorm)是z-score的动态扩展版本。
机器学习与深度学习基础（五）：深度神经网络经典架构简介
TracyCoder的博客
12-11 379
本文学习要点：1.深度神经网络分层架构：全连接层卷积层池化层2.深度神经网络代表:CNN：CNN、AlexNet、VGG-Net、GoogLeNet（Inception）、ResNet（残差连接）编码器-解码器架构：序列到序列模型（Seq2Seq）
基于深度学习的网络流量异常检测系统
XiaoMu_001的博客
12-11 628
本项目旨在构建一个基于深度学习的高效网络流量异常检测系统。系统采用 **B/S 架构**，前后端分离设计。后端基于 **Django** 框架，前端采用 **Vue 3** + **Element Plus**。核心检测引擎利用 **PyTorch** 构建深度学习模型（MLP 和 1D-CNN），能够对网络流量数据进行实时或离线分析，精准识别良性流量及多种类型的网络攻击（如 DoS, PortScan, Web Attack 等）
深度学习入门源码解析：斋藤康逸实战教程
根据提供的文件信息，我们可以提取出有关“深度学习入门”的知识点。由于文件并未直接提供具体的章节内容，我们将尝试从标题和描述中挖掘可能的知识点，并对斋藤康逸可能使用的源码进行一般性的解释。 深度学习入门...
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