
深度学习之神经网络(CNN RNN GAN)算法原理+实战
.深度学习之神经网络(CNN RNN GAN)算法原理+实战
Pengsen Ma
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
NLP中“padded with zeroes”以及“mask”操作是什么?
RNN中“padded with zeroes”以及“mask”操作是什么?原创 2023-03-06 13:59:03 · 595 阅读 · 0 评论 -
NLP中的tokenizing(tokenizer)和vocabulary(vocab)的关系是什么
RNN中的tokenizing和vocabulary的关系是什么原创 2023-03-06 13:45:28 · 639 阅读 · 0 评论 -
10-1对抗生成网络与DCGAN
上面的矩阵*矩阵的第一行=B00 a00*w00 + a01*w01 + a02*w02 + a10*w10 + a11*w11 + a12*w12 + a20*w20 + a21*w21 + a22*w22上面的矩阵*矩阵的第二行=B01上面的矩阵*矩阵的第三行=B10上面的矩阵*矩阵的第四行=B11...原创 2021-03-12 17:25:14 · 16456 阅读 · 0 评论 -
10.1自动机器学习Auto_ML
AutoML可以做什么?自动搜索神经网络模型结构 在指定任务上通过Fine-tuning/迁移学习得到较好的结果如何进行网络结构搜索?搜索则必有搜索空间 搜索过程中必有反馈 自动化搜索过程搜索空间----以卷积神经网络为例只保留卷积层,最后一层使用global pooling代替每一个卷积层有五个参数Filter height/width/numberStride height/widthN层卷积神经网络有N*5个参数搜索的反馈表示神经网络的好坏可以用模型在某个数据集上的准确率原创 2021-03-11 16:55:38 · 16443 阅读 · 0 评论 -
图像风格转换-V2
原创 2021-03-10 19:14:42 · 16337 阅读 · 1 评论 -
图像风格转换V3算法
原创 2021-03-10 18:59:04 · 16423 阅读 · 0 评论 -
为什么使用Flatten layer?
Convolution卷积层之后是无法直接连接Dense全连接层的,需要把Convolution层的数据压平(Flatten),然后就可以直接加Dense层了。也就是把 (height,width,channel)的数据压缩成长度为 height × width × channel 的一维数组,然后再与 FC层连接,这之后就跟普通的神经网络无异了。可以从图中看到,随着网络的深入,我们的图像(严格来说中间的那些不能叫图像了,但是为了方便,还是这样说吧)越来越小,但是channels却越来越大了。在.原创 2021-03-09 21:43:02 · 23365 阅读 · 0 评论 -
图像风格转换
1.将原图I与生成图像I‘同时输入进神经网络M,输出f与f',如果f与f'越接近,那么证明原图I与生成图像I‘更接近风格特征的层级越高,越精细,内容特征的层级越低,越精细,能否只用一次计算就能得到结果?...原创 2021-03-09 20:37:08 · 16371 阅读 · 0 评论 -
InceptionNet与mobileNet
MobileNet原创 2021-02-28 16:40:08 · 16816 阅读 · 1 评论 -
4-2 VGGNet
原创 2021-02-03 10:10:26 · 16097 阅读 · 0 评论 -
4-1 AlexNet神经网络
原创 2021-02-03 09:18:14 · 16439 阅读 · 0 评论 -
3-3卷积神经网络
为什么要非线性函数作为激活函数呢?原创 2021-01-29 08:54:35 · 16334 阅读 · 1 评论 -
jupyter的运行
1.安装好python以后2.在系统变量的path里面添加E:\Python3.6\Scripts\;E:\python3.6\;3.安装jupyter,并运行pip install jupyterjupyter notebook就可以看到命令行的地址和token4.它的默认文件夹为:C:\Users\admin...原创 2021-01-17 11:16:49 · 19379 阅读 · 0 评论 -
Tensorflow基础
原创 2021-01-17 10:08:17 · 16308 阅读 · 0 评论 -
2-3神经元入门
机器学习是什么——无序数据转化为价值的方法机器学习价值——从数据中抽取规律并用来预测未来机器学习应用举例分类问题——图像识别、垃圾邮件识别回归问题——股价预测、房价预测排序问题——点击率预估、推荐(浏览淘宝时,会根据你的兴趣递减排序)生成问题——图像生成、图像风格转换、图像文字描述生成(机器对图像进行描述而不需要用人)深度学习算法集合卷积神经网络循环神经网络(处理不定长数据,NLP应用广泛)自动编码器稀疏编码深度信念网络限制玻尔兹曼机深度学习+强化学习=深度强化学习多神经原创 2021-01-17 09:35:54 · 16319 阅读 · 0 评论