深度学习进阶（七）--复习(一)

最新推荐文章于 2025-06-03 10:13:43 发布
原创 最新推荐文章于 2025-06-03 10:13:43 发布 · 245 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。

本文总结了作者在深度学习领域的进阶学习过程，包括深度学习的基本概念、环境配置、神经网络结构、梯度下降算法及反向传播算法等内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

总结一下今天的学习过程

今天上午帮室友在win10上装了一次，不过好多问题在win7上不同，有一部分是相同的

下午继续复习了近阶段对深度学习进阶

深度学习概念

环境配置

神经网络结构

梯度下降算法

backpraprotion算法

平凡的一天，明天加油

深度学习复习笔记
weixin_43581877的博客
12-31 2316
深度学习（邱锡鹏）复习笔记 第1章 绪论： 人工智能、机器学习、深度学习、表示学习、特征工程区别和联系 神经元的构造 神经网络的发展历史 前馈神经网络： 激活函数相关知识Sigmoid、Logistic、RELU、Tanh优缺点和不足，需要改进的地方 前馈神经网络的参数数量和计算流程 P92 eg:神经元个数对应权重的维度 0初始化的问题 eg：习题4-8 为什么在用反向传播算法进行参数学习时要采用随机参数初始化的方式而不是直接令W =0 b=0 ？ 因为如果参数都设为0，在第一遍前向计算的过程中所有的隐藏
深度学习复习
qq_42304949的博客
06-09 1540
分类性能度量 精确率和召回率 向量范数,矩阵范数 欠拟合、过拟合 与模型的variance, bias的关系 LDA原理 PCA原理, PCA白化 数据归一化 信息熵,交叉熵, KL散度, JS散度 感知机的原理 神经网络 基础知识,结构、激励函数及导函数、网络参数量计算等等 梯度下降原理,梯度计算 全连接网络和卷积神经网络 反向传播原理 联系 卷积神经网络 原理和知识 卷积计算 正则化 权重衰减 L和12正则 数据增强和提前终止 Dropout 循环神经网络 原理和知识 自编码
山东大学软件学院2022级项目实训（六）
2203_75317774的博客
06-03 68
再effectiveparams里面的参数对应的提取到stylesparams里面，然后再根据修改范围选择调用不同的函数。先通过对参数进行预处理，对于ai返回的指令里没有的参数去除，只保留有效参数，组成effeciveparams有效参数集合。修改之前功能的bug，在修改ppt页面字体的大小或者颜色的时候，其他未被指定的属性也被修改了。
深度学习基础知识复习
Dream_csd的博客
07-15 520
1、描述为什么需要量化，量化的流程。 目前很多高精度的深度学习模型所需内存、计算量和功耗巨大，但不适合部署到一些低成本的嵌入式设备，为了解决此问题，模型压缩技术应运而生。 量化的流程： 通过数据映射，将输入float32的数据类型转为uint8，biases不进行量化操作，进行卷积计算后输出unit32的数据类型，与biases加和后，再次转为uint8，经激活函数激活后输出uint8的数据类型。相对于float32，uint8量化可以将模型大小减少4倍，并将内存带宽要求减少4倍，对uint8计算的硬件支
深度学习复习总结
weixin_43389568的博客
11-02 1057
深度学习总结
Python面试复习指南-包含Python基础与进阶知识-网络协议与操作系统原理-数据结构与算法详解-数据库系统设计-MySQL与Redis优化-系统架构与设计模式-常用框架Fla.zip
最新发布
08-08
掌握Python并不仅仅是学习一种编程语言，更涉及到对计算机科学基础理论的深入理解。本指南旨在为准备参加Python面试的应聘者提供全面的复习资料，内容覆盖了从基础知识到高级技能的各个层面，确保应聘者能够在面试中...
《深度学习进阶：自然语言处理》第一章学习（第一部分）
weixin_46421489的博客
08-02 809
前言 这本书有个我非常喜欢的地方就是他非常注重原理部分，而不是去借助框架实现，这种书真的要去细细阅读而不是快速的阅读完，那没有效果，一共8章，一天一章，这期间要穿插去做项目，这里的话，我就先不要paddle框架去实现了，先用代码去实现之后再去用框架，上本书什么时候我可以在去读一下，是真的好用，然后的话，我必须注重基础呀，那么开始吧！ 很喜欢的一句话：技术已经进步到了可以轻松进行复制的时代。当下是一个可以轻松复制照片、视频、源代码和库的便捷世界。但是，无论技术多么发达，生活多么便利，经验都是无法轻松复制的。自
《深度学习进阶：自然语言处理(第1章)》-读书笔记
weixin_52128497的博客
04-10 559
本文为我在阅读《深度学习进阶：自然语言处理》时的读书笔记，供大家参考学习。 如侵权，联系删除！
深度学习入门2：自然语言处理（第一章 神经网络的复习/代码+总结）
m0_58598898的博客
02-28 517
这里将全连接层的变换实 现为Affine 层，将 sigmoid 函数的变换实现为Sigmoid 层。另外，将各个层 实现为 Python 的类，将主要的变换实现为类的 forward() 方法。推理过程实现：以1个mini-batch输入一组10（N）个样本，一个样本有两个属性，x形状（10，2）,权重W1（2，4），权重W2(4,3)，输出s（10，3）以“层视角”表示：x->Affine层->Sigmoid层->Affine层->s------(得分)->Softmax层(概率)
指向深度学习理念下学习进阶的构建研究——以“机械效率”教学为例.pdf
08-18
【深度学习】深度学习是一种教学方法，旨在促进学生对知识的深入理解和应用，而非仅仅停留在表面记忆。它强调发展高阶思维能力，如批判性思维、解决问题和创新性思考。在深度学习中，学生需要批判性地接受新观念，将...
深度学习复习.pdf
03-06
山东大学计算机学院人工智能实验班（2018级）深度学习与神经网络 期末复习重点 （期末复习时上课划出的重点）
山东大学2020年深度学习复习整理
01-02
山东大学2020年深度学习复习整理
【深度学习复习】重要知识点二
学习记录，厚积薄发
05-27 789
总结_2
深度学习期中复习
vimpirespider的博客
04-19 913
第一章 深度学习和机器学习差异 机器学习 基本问题：分类，回归，聚类，降维 算法：KNN，贝叶斯，决策树，SVM，逻辑回归，随机森林，集成学习 改变结构，实现不同的玩法，适应不同场合 深度学习 主要是解决分类，回归，模拟 感知机，多层神经网络，卷积，递归，GAN 统一的计算单元，通过变换参数和连接实现不同应用场合 1.深度学习与机器学习的主要区别是在于性能。当数据量很少的时候，深度学习的性能并不好，因为深度学习算法需要大量数据才能很好理解其中蕴含的模式。 2.深度学习算法严
深度学习复习总览（一）
qq_37534947的博客
10-18 1193
一：绪论 人工智能：使一部机器人像人一样进行感知、认知、决策、执行的人工程序或系统。 标志事件表： 人工智能诞生：1956年的达特茅斯会议 三个层面：目前处于第二个 分类： 三起两落： 其中第一次是感知机的出现，第二次是BP的出现，第三次是包括是三个，分别是：逐层预训练算法、深度学习算法在ImageNet以及2016年的AlphaGo。 一些重要人物： 二：基础知识 机器学习三要素：模型、学习准则、优化算法。 模型：映射函数。 学习准则：经验风险最小化。 优化算法：梯度下降。 神经
深度学习期末复习
qq_49446488的博客
05-30 837
太原理工大学深度学习复习纲要
深度学习复习总览（二）
qq_37534947的博客
10-18 899
深度学习的框架： 核心组件 张量、基于张量的相关操作、计算图、自动微分工具、cudnn等扩展包。 张量：多维数组，0维张量即标量、1维张量即矢量、2维张量即矩阵、3为张量矩阵数组、4为张量… 基于张量的相关操作： 计算图： 自动微分工具 cudnn等扩展包： 发展历程 Tensorfloe和Pytorch对比 主流框架介绍 ...
深度学习复习总览（三）
qq_37534947的博客
10-18 980
前馈神经网络： https://blog.youkuaiyun.com/qq_37534947/article/details/107832979 补充： 人工神经网络的三大要素： 万能近似定理： 可以看到只需要一个线性输出层和一个隐藏层组成的神经网络就可以近似任何函数，但是规模可能巨大，随着深度的增加，网络的表示能力呈指数增加。并且有着更好的泛化能力，但是未必带来模型效果的提升。 ...
掌握Python进阶技巧-41至60天学习总结
5. 数据结构进阶：复习并扩展对Python内置数据结构如列表、字典、集合和元组等的理解。学习使用它们来优化算法效率，并探索更多复杂的数据结构，如堆栈、队列、双端队列和树等。 6. 算法基础：在之前学习的基础上，...
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