人工智能领域：面试常见问题超全（深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习）
人工智能领域：面试常见问题 1.深度学习基础 为什么归一化能够提高求解最优解的速度？为什么要归一化？归一化与标准化有什么联系和区别？归一化有哪些类型？Min-max归一化一般在什么情况下使用？Z-score归一化在什么情况下使用？学习率过大或过小对网络会有什么影响？batch size...
用Python实现一个基础的神经网络模型
目录前言一、神经元1.1一个简单的例子 1.2编码一个神经元1.3把神经元组装成网络二、前馈 三、训练神经网络四、总结前言 可能一提到神经网络，许多小伙伴就会感觉头大，不知道看眼前的你又是怎样的感受呢？【神经网络】这个词听起来让人觉得很高大上，但实际上神经网络算法要比人们想象的简单。今天我将手把手教你用Python来实现一个基础的神经网络模型....
用PyTorch构建基于卷积神经网络的手写数字识别模型
目录一、MINST数据集介绍与分析二、卷积神经网络三、基于卷积神经网络的手写数字识别一、MINST数据集介绍与分析 MINST数据库是机器学习领域非常经典的一个数据集，其由Yann提供的手写数字数据集构成，包含了0-9共10类手写数字图片，每张图片都做了尺寸归一化，都是28x28大小的灰度图。每张图片中像素值大小在0-255之间，其中0是黑色....
用Pytorch构建第一个神经网络模型（附案例实战）
目录一、Pytorch简介二、实验过程2.1数据集介绍2.2加载数据2.3数据预处理 2.3.1特征转换2.3.2缺失值处理 2.3.3样本不平衡处理2.4特征工程2.4.1划分训练集和测试集2.4.2数据类型转换2.5构建模型2.5.1可视化神经元2.5.2激活函数2.5.3训练神经网络 2.6保存模型2.7模型评估2.8模型预测三、总结一、Pytorch简介PyTorch是一个基于pytho....
微软提出自动化神经网络训练剪枝框架OTO，一站式获得高性能轻量化模型
作者： 陈天翼-微软西雅图-高级研究员OTO 是业内首个自动化、一站式、用户友好且通用的神经网络训练与结构压缩框架。在人工智能时代，如何部署和维护神经网络是产品化的关键问题考虑到节省运算成本，同时尽可能小地损失模型性能，压缩神经网络成为了 DNN 产品化的关键之一。DNN 压缩通常来说有三种方式，剪枝，知识蒸馏和量化。剪枝旨在识别并去除冗余结构，给 DNN 瘦身的同时尽可能地保持模型性能，是最为....
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)
前馈神经网络--Rosenblatt感知器模型结构和实现代码
设计实验（包括生成数据集、设计收敛衡量指标，如MSE），验证其在线性可分二分类问题上的性能（验证该感知器原理是否有收敛性），并作可视化展示。算法的收敛性证明称为感知器收敛定理。==完整代码在最后！！==实现原理算法：（更新的算法）1.这是一种错误驱动的在线学习算法 （在线学习算法：来一条样本进行一次学习）（错误驱动：就是第三点，即分错一个进行更新w）2.先初始化一个权重向量W = 0 （通常是一....
从古代矿物到新材料：使用图神经网络模型进行熔融温度预测
在常压下，如果你施加足够的热量，大多数东西都会融化，就像炎热夏日的冰淇淋一样。了解准确的熔化温度对于构建任何高性能材料都至关重要。飞机上的桥梁、燃气轮机、喷气发动机和隔热罩的建造和安全取决于对材料性能极限的了解。材料通常采用熔融或液态合成或加工，因此了解熔融对于制造新材料至关重要。然而，高温材料的熔化温度，通常难以快速测量或计算；在 200,000 种已知无机化合物中，只有不到 10% 的熔点是....
零障碍合并两个模型，大型ResNet模型线性连接只需几秒，神经网络启发性新研究
这篇论文探讨了置换对称性（permutation symmetry）如何在 SGD 解决方案的线性模式连接中发挥重要作用。深度学习能够取得如此成就，得益于其能够相对轻松地解决大规模非凸优化问题。尽管非凸优化是 NP 困难的，但一些简单的算法，通常是随机梯度下降（SGD）的变体，它们在实际拟合大型神经网络时表现出惊人的有效性。本文中，来自华盛顿大学的多位学者撰文《 Git Re-Basin: Me....
图神经网络作CV骨干模型，来听听华为诺亚是怎么做的
在计算机视觉领域，骨干网络一直是特征提取的重要部件。从 AlexNet 到 ResNet，卷积网络 CNN 在很长一段时间内一直是视觉任务的标配。近年来，基于注意力机制的 Transformer 和以全连接层为主的 MLP 网络也开始在计算机视觉领域崭露头角。与现有主流 CNN 模型相比，基于 Transformer 或 MLP 的模型在视觉任务上也显示出了良好的性能。直到现在，关于谁是更好的视....
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。