首页
学习
活动
专区
工具
TVP
发布

Coding迪斯尼

专栏作者
321
文章
261397
阅读量
96
订阅数
LSTM和GRU网络的高级运用实例
接着我们看看LSTM网络更复杂的运用,那就是用来预测气温。在这个例子中,我们可以使用很多高级数据处理功能,例如我们可以看到如何使用”recurrent dropout”来预防过度拟合,第二我们会把多个LTSM网络层堆积起来,增强怎个网络的解析能力,第三我们还会使用到双向反复性网络,它会把同一种信息以不同的形式在网络内传递,从而增加网络对信息的理解。
望月从良
2022-01-17
5280
LSTM网络层详解及其应用实例
上一节我们介绍了RNN网络层的记忆性原理,同时使用了keras框架听过的SimpleRNN网络层到实际运用中。然而使用的效果并不理想,主要是因为simpleRNN无法应对过长单词串的输入,在理论上,当它接收第t个输入时,它应该能把前面好几个单词的处理信息记录下来,但实际上它无法把前面已经处理过的单词信息保留到第t个单词输入的时刻。
望月从良
2022-01-17
8010
Deep-Fake原理揭示:使用WGAN-GP算法构造精致人脸
在上一节中可以看到基于”推土距离“的WGAN网络能够有效生成马图片,但是网络构造能力有所不足,因此导致有些图片模糊,甚至有些图片连马的轮廓都没有构建出来,本节我们改进WGAN网络,让它具有更强大的图像生成能力。
望月从良
2020-05-22
1.4K0
现代黑科技版“指鹿为马":使用CycleGAN实现男女“无痛变性”
在秦朝末期,奸臣赵高一手遮天,为了显示自己的权势与力量,他在众人面前指着一头鹿说那是马,大家畏惧赵高的权势,明知那是鹿却不得不配合赵高说那是马,这就是经典成语”指鹿为马“的出处。
望月从良
2020-05-22
1.1K0
使用’推土距离‘构建强悍的WGAN
读者读到此处时或许会有一个感触,网络训练的目的是让网络在接收输入数据后,它输出的结果在给定衡量标准上变得越来越好,由此“衡量标准”设计的好坏对网络训练最终结果产生至关重要的作用。
望月从良
2020-04-07
5790
(大结局)左右互搏:生成型对抗性网络的强大威力
生成型对抗性网络,简称GEN,在2014年时被发明。它与上一节介绍的VAE也就是编解码网络一样,擅长于图像构造,然而它的功能比VAE要强大不少,我们现在时常听到AI合成网络主播,类似功能的实现绝大多数都基于我们这次要探讨的对抗性网络。
望月从良
2019-03-19
5990
有了LSTM网络,我再也不怕老师让我写作文了
随着深度学习的迅猛发展,人工智能的强大能力已经超出了模仿人类的简单动作,例如识别物体,如今已经能发展到自动驾驶,而且车开的比人都好的地步。目前深度学习进化出的一大功能是能够进行艺术创作,前几年google开发的DeepDream算法能够自己绘制出犹如毕加索抽象画般的艺术作品,而现在使用LSTM网络甚至可以开发出自动作曲程序,据说现在很多曲调都是由深度学习网络创作的。
望月从良
2019-03-04
7230
由深入浅,人工智能原理的大白话阐述
人工智能技术能够把计算机变成像人一样具备思考能力,这看起来非常神奇,很多人以为内部机理一定非常复杂,复杂到只有那些穿着白大褂的大胡子科学家才能明白。诚然技术原理确实不简单,但通过大白话,以普通人能理解
望月从良
2018-07-19
6880
没有更多了
社区活动
Python精品学习库
代码在线跑,知识轻松学
【玩转EdgeOne】征文进行中
限时免费体验,发文即有奖~
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·干货材料·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