深度学习看过的文档留存

最新推荐文章于 2025-08-15 16:20:39 发布
最新推荐文章于 2025-08-15 16:20:39 发布
阅读量86 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 人工智能
原文链接：https://yq.aliyun.com/articles/607152
本文详细介绍了tf.layers.conv2d_transpose反卷积操作的使用方法，并深入探讨了Keras框架中concatenate函数的功能及应用技巧。通过具体实例帮助读者理解这两种技术在实际项目中的应用场景。

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

tf.layers.conv2d_transpose 反卷积

https://blog.youkuaiyun.com/weiwei9363/article/details/78954063

keras concatenate函数

https://blog.youkuaiyun.com/hanshuobest/article/details/79488209

 

AI人工智能领域深度学习的管理学决策支持
AI 领航者的博客
06-14 366
在“数据爆炸”的今天，企业每天产生的用户行为、交易记录、市场动态等数据量堪比“数字海洋”。传统管理学决策依赖管理者经验或简单统计分析（如月均销售额），但面对“哪些用户下个月会流失？”“突发疫情对供应链有何影响？”等复杂问题时，传统方法常因数据处理能力不足、预测精度低而失效。本文将聚焦“深度学习如何解决这些决策痛点”，覆盖零售、制造、金融等常见场景，帮助读者理解技术原理与落地方法。
基于深度学习的点击率预测模型 DeepFM : A FactorizationMachine based Neural Network
AI天才研究院
08-11 295
在电子商务领域，推荐系统（Recommendation System）是一个长期存在且具有非常重要的地位的问题。其主要作用是在大量用户的兴趣数据中挖掘用户的潜在偏好，并提供给合适的产品或服务，从而提高商品和服务的购买意愿，增加经济效益和社会满意度。然而，在实际应用中，基于内容的推荐算法往往表现出很好的效果，但同时也面临着一些缺陷。比如，它们往往会忽视用户的历史行为、兴趣偏好变化等复杂因素，导致推荐效果不稳定，预测准确率低下。因此，如何更好地处理这些问题，是当前的研究热点之一。
XMind文档留存
07-06
附件是自己用Xmind文档总结出的一些资料，发布在优快云后供自己以后总结使用
深度学习踩坑记录
Dengaiqiezi的博客
07-05 374
深度学习踩坑记录 已经决定学深度学习方面的知识了，实习也是这个方向，因为我不能单干，所以必须去实习，必须借鉴别人的方法。这是刚接触python吧。各种安装软件让我明白了Linux下一切皆文件的道理。也差点放弃？？记录一下吧/悲允 首先是参考 我大部分内容是参考的龙龙的博客，期间当下载他的 .dat文件后不知道怎么用,后来积攒问题准备请教他.自己又试了一下竟然装上拉.感慨自己还是要有自己的思考不是吗...
深度学习模型的概述与应用
easyaigx的博客
04-14 1395
深度学习模型的快速发展与应用，极大地推动了人工智能技术的进步。未来，随着技术的不断演进和优化，深度学习将在更多领域展现出更强大的能力。希望通过本文的介绍，读者能够对深度学习模型的基本概念与应用有更深入的理解，激发出更多的探索与实践。
【推荐系统】方法论 | 数据驱动 | 深度学习RS
发现问题，并解决问题，批判性思维
11-12 1927
两个常见的推荐模块： 1）猜你喜欢：各种召回方法，多路召回策略。 2）个性推荐：CTR排序，主流是基于深度学习方法，如下图所示： - 一般先用spark进行大数据处理和特征工程，得到的线上特征存入redis；训练样本则送入TensorFlow进行离线模型训练（一些模型可以用spark进行模型训练）； - 训练并导出了 如NeuralCF 的模型文件。然后使用 TensorFlow Serving 载入模型文件，建立线上模型服务 API（TensorFlow serving API）。 - 推荐服务器的排序层
看过的文档地址——个人留存
weixin_30740581的博客
04-12 120
#Deep Learning回顾#之LeNet、AlexNet、GoogLeNet、VGG、ResNet https://zhuanlan.zhihu.com/p/22094600 #Deep Learning回顾#之基于深度学习的目标检测 https://zhuanlan.zhihu.com/p/23153445 用conda创建python虚拟环境 https://blog.csdn...
发展史 | 深度学习 / 云计算
u013669912的博客
03-08 1853
……
【深度学习】吴恩达深度学习-Course1神经网络与深度学习-第二周神经网络基础编程
passer__jw767的博客
11-25 2043
学习链接：【中文】【吴恩达课后编程作业】Course 1 - 神经网络和深度学习 - 第二周作业 文章目录〇、作业目标一、使用环境-资料包下载-使用Jupyter进行编码（此处仅提及打开方式）-使用Anaconda进行预先环境创建二、库的安装-numpy的安装-h5py的安装-matplotlib的安装-lr_utils的安装三、编程环境的创建四、学习流程-lr_utils中内容解释-查看数据集中的图片-查看并处理数据集中的内容-构建神经网络第一步：初始化参数W、b第二步：建立sigmoid函数第三步：为完
ultimate_challenge:终极有兴趣预测骑手的留存率
03-10
常用的模型包括逻辑回归、随机森林、XGBoost、LightGBM或深度学习模型如LSTM。每种模型都有其优缺点，需要根据数据特点和预测需求来选择。 最后，评估模型的性能，并可能进行调参优化。模型的评估不仅要看预测精度...
深度学习用streamlit做网页demo
qq_43522986的博客
09-19 3252
用streamlit做一个简单的网页demo吧~
我的深度学习之路
小鼻涕虫BoZ的博客
02-20 838
学习之路和开篇，介绍了我对深度学习的理解认识以及学习笔记系列文章的目录和链接。
社交网络用户行为建模：深度学习与预测技术
[社交网络用户行为建模：深度学习与预测技术](https://img-blog.csdnimg.cn/direct/00265161381a48acb234c0446f42f049.png) # 1. 社交网络用户行为建模概述 ## 社交网络的发展与影响 随着互联网技术的飞速发展，...
【15】Transformers快速入门：添加自定义 Token
叫好与叫座虽然不是对立面，但想在同一个作品中达到双重效果很难。
08-13 1640
预训练模型的词表是固定的。它不认识你自定义的特殊标记（如实体标记、领域术语、新表情符号等）。掌握如何向预训练模型的分词器和词表中添加新的 Token（包括普通 Token 和特殊 Token），理解其对模型的影响，并学会正确调整模型权重。新 Token 的 ID（30523, 30524）在模型的 Embedding 矩阵里。想象一下，你给模型一个任务：“找出文本里的汽车和隧道实体”。增加了词表大小（比如从 30522 增加到 30524），模型的 Embedding 矩阵（这里标记了一个实体！
敏感数据目录是什么？如何快速构建企业自身的敏感数据目录
yuandiansec的博客
08-13 1530
敏感数据目录能力是数据安全的起点
【论文阅读】基于表面肌电信号的下肢多关节运动估计：一种深度卷积神经网络方法
qq_60423839的博客
08-14 939
本文提出一种基于多通道表面肌电信号(sEMG)和深度卷积神经网络(CNN)的下肢多关节运动估计方法。研究采集了骑行和步行任务中的7通道sEMG信号，通过带通滤波、全波整流等预处理后构建CNN模型，用于估计髋、膝、踝关节角度。实验结果表明，所提CNN模型在骑行任务中三个关节的估计均方根误差分别为3.8886°、2.8199°和3.1148°，精度显著优于传统BPNN和RBFNN模型。该研究为下肢康复外骨骼的人机交互控制提供了理论基础，未来将探索sEMG时频特征对模型的影响及非理想环境下的意图识别问题。
从静态模型到数字生命体：自进化AI Agent综述
zenRRan的博客
08-13 1215
部署后无法适应动态环境（如用户需求变化、新工具出现）。例如，医疗诊断智能体遇到新疾病时需工程师手动调整，效率低下。近年大型语言模型（LLM）的突破催生了AI智能体的发展，它们能自主规划、使用工具解决复杂任务（如编程、科研）。：树状思维（Tree-of-Thought）探索多推理路径，避免单一错误。：将自然语言反馈视为“梯度”，反向优化提示（如TextGrad框架）。：将提示视为基因，通过突变、交叉筛选最优解（如EvoPrompt）。：AI智能体不仅是工具，更是能持续学习、适应、协作的“数字生命体”。
yolo安装
最新发布
a1111111111ss的博客
08-15 435
我在cmd一直更新不了pip 一直说错误。我扭头去anaconda成功。
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