深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算
深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算 1.计算机视觉与卷积神经网络 1.1计算机视觉综述 计算机视觉作为一门让机器学会如何去“看”的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目标物体进行跟踪，从而理解并描述出图片或视频里的场景和故事，以此来模拟人脑视觉系统。因此，计算机视觉也通常被...
![深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算](https://ucc.alicdn.com/fnj5anauszhew_20230521_364891646bc34e43819e5c5d8ea45ee8.png)
深度学习入门（5）如何对神经网络模型训练结果进行评价
如何对神经网络模型训练结果进行评价上一篇文章《深度学习入门（4）【深度学习实战】无框架实现两层神经网络的搭建与训练过程》介绍了基于mnist的手写体数字集的两层神经网络的搭建与训练过程，通过损失函数的训练结果我们可以发现，随着训练的进行，损失函数逐渐减小，但是光这一点并不能很好的说明该神经网络的训练结果能够很好的对于其他数据也能够达到同样的精确度。这就涉及到神经网络的泛化能力问题。神经网络学习的....
深度学习入门（4）【深度学习实战】无框架实现两层神经网络的搭建与训练过程
上一篇文章《深度学习入门（3）神经网络参数梯度的计算方式》主要介绍神经网络中的参数梯度是如何计算的。本文将直接使用之前公众号介绍过损失函数、激活函数以及梯度计算直接手动实现一个两层的神经网络训练过程。也许有人会说使用pytorch或者tensorflow框架，几行代码就可以搭建一个神经网络，为什么要自己手动去实现呢？我觉得使用现成框架确实很容易搭建一个神经网络，但是对于其中的计算原理如果不了解的....
深度学习入门（3）神经网络参数梯度的计算方式
前言上一篇文章介绍了神经网络需要达到的最终目标，即使所定义的损失函数值达到尽可能的小。那么，是如何达到使得损失函数的值最小的呢？其实，最常使用的核心大招就是“梯度法”进行参数的更新优化，最终达到使得损失函数最小的目的。本文将介绍神经网络中参数的梯度是如何计算的。在介绍梯度法之前先简单介绍一下所用到的数值微分方面的数学知识，以帮助理解后续梯度法的计算过程，如果知道这一部分知识的同学，可以直接跳过本....
深度学习入门（2）神经网络
感知机：设定权重的工作由人工来进行确定。神经网络：可以自动的从数据中学习到合适的权重参数。从感知机到神经网络0层：输入层1层：中间层（隐藏层）2层：输出层该网络由3层神经元构成，但只有2层神经元有权重，因此称其为“2层网络”。（有的也称3层）输入信号会被函数h(x)转换，转换后的值就是输出y激活函数h(x)函数会将输入信号的总和转换为输出信息，这种函数称之为激活函数。激活函数的作用在于决定如何来....
深度学习入门（9）神经网络Affine与Softmax层的计算图表示方式及其误差反向传播的代码实现
1 Affine与Softmax层的实现1.1 Affine层神经元的加权和可以用Y = np.dot(X, W) + B计算出来。然后，Y 经过激活函数转换后，传递给下一层。这就是神经网络正向传播的流程。神经网络的正向传播中进行的矩阵的乘积运算在几何学领域被称为“仿射变换”。将进行仿射变换的处理实现为“Affine层”。Y = np.dot(X, W) + B，计算图如下：式中WT的T表示转置....
深度学习入门笔记系列 ( 七 ) ——循环神经网络（RNN）学习笔记
循环神经网络（RNN）学习笔记本系列将分为 8 篇 。本次为第 7 篇 ，简单的介绍下循环神经网络 。1.引言在传统的神经网络模型中 ，是从输入层到隐含层再到输出层 ，层与层之间是全连接的 ，每层之间的节点是无连接的 。但是这种普通的神经网络对于很多问题却无能无力 。例如 ，你要预测句子的下一个单词是什么 ，一般需要用到前面的单词 ，因为一个句子中前后单词并不是独立的 。于是乎 ，我们就名正言顺....
深度学习入门笔记系列 ( 六 ) ——卷积神经网络（CNN）学习笔记
卷积神经网络（CNN）学习笔记本系列将分为 8 篇 。本次为第 6 篇 ，介绍在计算机视觉中使用广泛并且十分基础的卷积神经网络 。1.从感受野说起不知道大家是否听说过感受野这个名词 ，是在 60 年代 Hubel 等人通过对猫视觉皮层细胞进行研究提出来的一个概念 。到80年代，Fukushima 在感受野概念的基础之上提出了神经认知机的概念，可以看作是卷积神经网络的第一个实现网络，神经认知机将一....
深度学习入门笔记系列 ( 七 ) ——循环神经网络（RNN）学习笔记
1.引言 在传统的神经网络模型中 ，是从输入层到隐含层再到输出层 ，层与层之间是全连接的 ，每层之间的节点是无连接的 。但是这种普通的神经网络对于很多问题却无能无力 。例如 ，你要预测句子的下一个单词是什么 ，一般需要用到前面的单词 ，因为一个句子中前后单词并不是独立的 。于是乎 ，我们就名正言顺的引出了这篇文章的 RNN 。 2.什么是RNN RNN（Recurrent Neural Netw....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
网络更多入门相关
域名解析DNS
关注DNS技术、标准、产品和行业趋势，连接国内外相关技术社群信息，加强信息共享。
+关注