首页
学习
活动
专区
工具
TVP
发布

深度学习入门与实践

专栏作者
48
文章
72546
阅读量
44
订阅数
【原】深度学习的一些经验总结和建议 | To do v.s Not To Do
前言:本文同步发布于公众号:Charlotte数据挖掘,欢迎关注,获得最新干货~  
Charlotte77
2019-07-23
4140
PaddlePaddle分布式训练及CTR预估模型应用
  github:https://github.com/huxiaoman7/PaddleAI
Charlotte77
2019-05-25
8360
【深度学习系列】PaddlePaddle垃圾邮件处理实战(二)
  在上篇文章中我们讲了如何用支持向量机对垃圾邮件进行分类,auc为73.3%,本篇讲继续讲如何用PaddlePaddle实现邮件分类,将深度学习方法运用到文本分类中。
Charlotte77
2018-07-31
5740
【深度学习系列】CNN模型的可视化
前面几篇文章讲到了卷积神经网络CNN,但是对于它在每一层提取到的特征以及训练的过程可能还是不太明白,所以这节主要通过模型的可视化来神经网络在每一层中是如何训练的。我们知道,神经网络本身包含了一系列特征提取器,理想的feature map应该是稀疏的以及包含典型的局部信息。通过模型可视化能有一些直观的认识并帮助我们调试模型,比如:feature map与原图很接近,说明它没有学到什么特征;或者它几乎是一个纯色的图,说明它太过稀疏,可能是我们feature map数太多了(feature_map数太多也反映了
Charlotte77
2018-03-19
1.4K0
一文弄懂神经网络中的反向传播法——BackPropagation
本博客所有内容以学习、研究和分享为主,如需转载,请联系本人,标明作者和出处,并且是非商业用途,谢谢! 最近在看深度学习的东西,一开始看的吴恩达的UFLDL教程,有中文版就直接看了,后来发现有些地方总是不是很明确,又去看英文版,然后又找了些资料看,才发现,中文版的译者在翻译的时候会对省略的公式推导过程进行补充,但是补充的又是错的,难怪觉得有问题。反向传播法其实是神经网络的基础了,但是很多人在学的时候总是会遇到一些问题,或者看到大篇的公式觉得好像很难就退缩了,其实不难,就是一个链式求导法则反复用
Charlotte77
2018-01-09
1.4K0
如何用卷积神经网络CNN识别手写数字集?
该文章介绍了如何使用深度学习进行图像分类,通过对比不同的CNN结构,并分析其准确率和计算速度,最终得出结论:使用较深的CNN结构可以提高准确率,但可能会降低计算速度。同时,也介绍了一些常用的优化方法,如Dropout、批量归一化等,这些方法可以提高训练速度和模型性能。
Charlotte77
2018-01-09
1.1K0
用Tensorflow让神经网络自动创造音乐
Charlotte77
2018-01-09
1.3K0
没有更多了
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档