ML && DL 知乎问题收集

本文探讨了深度学习领域的关键技术和概念,包括使用深层残差网络解决过拟合问题的方法,解释了核函数的作用及其定义;此外还涉及了如何高效学习TensorFlow等深度学习框架的代码,为初学者提供了一条清晰的学习路径。

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

1.He, Kaiming, et al. “Deep Residual Learning for Image Recognition.” arXiv preprint arXiv:1512.03385 (2015). 这篇文章,用了152层深度神经网络,为什么没有过拟合–链接
2.核函数的定义和作用到底是什么?–链接
3.机器学习专栏–链接
4.神经网络专栏–链接
5.深度学习如何入门?–链接
6.如何高效的学习 TensorFlow 代码?–链接
7.幂律分布和指数分布有联系吗?如果有,有什么联系,有什么区别?–链接

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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