- 博客(10)
- 收藏
- 关注
RSS订阅原创 EMNLP2021文章选读：对话系统方面 chatbot/dialogue system
A Role-Selected Sharing Network for Joint Machine-Human Chatting Handoff and Service Satisfaction Analysis （Liu2021）Abstract：Chatbot is increasingly thriving in different domains, however, because of unexpected discourse complexity and training data spar
2021-12-08 21:55:02
1140
原创 深度学习笔记9 mobilenet v1：轻量级神经网络1
自从AlexNet在2012年赢得ImageNet大赛的冠军一来，卷积神经网络就在计算机视觉领域变得越来越流行，一个主要趋势就是为了提高准确率就要做更深和更复杂的网络模型，然而这样的模型在规模和速度方面显得捉襟见肘，在许多真实场景，比如机器人、自动驾驶、增强现实等识别任务及时地在一个计算力有限的平台上完成，这是我们的大模型的局限性所在。目前针对这一问题的研究主要是从两个方面来进行的：一是对复杂模型采取剪枝、量化、权重共享等方法，压缩模型得到小模型；二就是直接设计小模型进行训练。本文学习的mobilene
2021-09-30 14:17:57
347
原创 深度学习笔记8 GAN生成对抗网络
Tensorflow深度学习笔记8 GAN欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果
2021-08-24 19:41:16
1599
原创 Tensorflow深度学习笔记7 ResNet
网络简介残差神经网络(ResNet)是由微软研究院的何恺明、张祥雨、任少卿、孙剑等人提出的。ResNet 在2015 年的ILSVRC中取得了冠军。残差神经网络的主要贡献是发现了“退化现象（Degradation）”，并针对退化现象发明了 “快捷连接（Shortcut connection）”，极大的消除了深度过大的神经网络训练困难问题。神经网络的“深度”首次突破了100层、最大的神经网络甚至超过了1000层。网络的深度问题从经验来看，网络的深度对模型的性能至关重要，当增加网络层数后，网络可以进行更
2021-03-05 15:38:48
484
原创 Tensorflow深度学习笔记6 VGGnet
网络简介VGGNet由牛津大学的视觉几何组（Visual Geometry Group）提出的神经网络，其最突出的贡献在于，证明使用很小的卷积（3∗3）（3*3）（3∗3）以及2∗22*22∗2的池化层，增加网络深度可以有效提升模型的效果，而且VGGNet对其他数据集具有很好的泛化能力。VGGnet通过不断加深网络结构来提高性能。牛津大学视觉几何组对不同深度和是否使用LRN进行了六组测试，如下所示。值得注意的是，网络层数的加深并没有带来参数数量的显著增加，这是因为最后三层全连接层占据了绝大多数的参数
2021-02-21 16:54:56
208
原创 Tensorflow深度学习笔记5 经典卷积神经网络--Alexnet
本文内容来自《Tensorflow深度学习算法原理与编程实战》第八章论文：《ImageNet Classification with Deep Convolutional Neural Networks》背景介绍第一个典型的CNN是LeNet5网络结构，但是第一个引起大家注意的网络却是AlexNet，也就是文章《ImageNet Classification with Deep Convolutional Neural Networks》介绍的网络结构。这篇文章的网络是在2012年的ImageNet竞
2021-01-24 13:19:58
561
原创 Tensorflow深度学习笔记4 卷积神经网络（CNN）介绍和简单示例（LeNet-5）
本文内容来自《Tensorflow深度学习算法原理与编程实战》第七章卷积不再详细介绍卷积运算的数学原理。在实际运用中，卷积运算的形式为：其中，I为输入二位网络数据，K为卷积核。概念：感受野在处理图像这样的高维度输入时，让每个神经元都与前一层中的所有神经元进行全连接是不现实的。相反，我们让每个神经元只与输入数据的一个局部区域连接。该连接的空间大小叫做神经元的感受野（receptive field），它的尺寸是一个超参数（其实就是滤波器的空间尺寸）。在深度方向上，这个连接的大小总是和输入量的深度相等
2021-01-19 17:20:09
927
原创 Tensorflow深度学习笔记3 全连神经网络经典实践
本文内容来自《Tensorflow深度学习算法原理与编程实战》第六章在书本示例代码的基础上做了一些添加备注说明import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("/home/jiangziyang/MNIST_data", one_hot=True)batch_size = 100 # 设置每一轮训练的batch大
2021-01-15 23:16:38
146
原创 Tensorflow深度学习笔记2 激活函数与损失函数
本内容参考书籍与代码：《Tensorflow深度学习算法原理与编程实战》第四章激活函数作用：解决线性不可分问题常见激活函数：ReLU：整流线性单元 易于优化sigmoid：存在导数饱和的问题
2021-01-12 23:08:36
198
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