腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
Coding迪斯尼
专栏成员
举报
322
文章
284175
阅读量
97
订阅数
订阅专栏
申请加入专栏
全部文章(322)
编程算法(108)
其他(48)
神经网络(37)
go(27)
java(22)
python(20)
深度学习(20)
ide(18)
数据结构(18)
存储(17)
数据库(14)
sql(14)
区块链(13)
人工智能(13)
tcp/ip(13)
游戏(12)
缓存(12)
机器人(12)
http(11)
编译器(11)
网络安全(10)
文件存储(9)
语法(9)
机器学习(8)
打包(8)
安全(8)
javascript(7)
node.js(7)
单片机(7)
linux(7)
udp(7)
函数(7)
react(6)
压力测试(6)
ftp(6)
keras(6)
字符串(6)
比特币(5)
html(5)
api(5)
正则表达式(5)
算法(5)
图像识别(4)
lexer(4)
对象(4)
接口(4)
模型(4)
系统(4)
数字货币(3)
c++(3)
汇编语言(3)
网站(3)
express(3)
爬虫(3)
二叉树(3)
rpc(3)
微信(3)
windows(3)
微服务(3)
aigc(3)
return(3)
time(3)
基础(3)
客户端(3)
数学(3)
解释器(3)
云服务器(2)
DNS 解析 DNSPod(2)
tensorflow(2)
iphone(2)
c 语言(2)
php(2)
bash(2)
bootstrap(2)
ajax(2)
mapreduce(2)
日志服务(2)
黑客(2)
dns(2)
gcc(2)
socket编程(2)
数据处理(2)
https(2)
connect(2)
flex(2)
select(2)
send(2)
tcp(2)
wireshark(2)
变量(2)
编码(2)
编译(2)
程序(2)
集合(2)
数组(2)
协议(2)
压缩(2)
状态机(2)
人脸识别(1)
NLP 服务(1)
ios(1)
.net(1)
jquery(1)
json(1)
eclipse(1)
jar(1)
apache(1)
bash 指令(1)
容器镜像服务(1)
spring(1)
批量计算(1)
访问管理(1)
消息队列 CMQ 版(1)
腾讯云测试服务(1)
自动化(1)
html5(1)
jvm(1)
numpy(1)
面向对象编程(1)
spring boot(1)
单元测试(1)
flash(1)
kernel(1)
大数据(1)
小程序(1)
腾讯云开发者社区(1)
kafka(1)
小程序·云开发(1)
alpha(1)
app(1)
append(1)
attr(1)
case(1)
character(1)
code(1)
csv(1)
data(1)
desktop(1)
detection(1)
expression(1)
function(1)
init(1)
key(1)
ld(1)
list(1)
map(1)
max(1)
network(1)
point(1)
push(1)
server(1)
state(1)
telnet(1)
timer(1)
token(1)
wait(1)
word(1)
遍历(1)
测试(1)
队列(1)
工具(1)
脚本(1)
连接(1)
命令行(1)
内核(1)
设计(1)
事件(1)
视频(1)
数据(1)
搜索(1)
索引(1)
网络(1)
文件上传(1)
效率(1)
搜索文章
搜索
搜索
关闭
LSTM和GRU网络的高级运用实例
数据处理
神经网络
机器学习
深度学习
人工智能
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
590
0
LSTM网络层详解及其应用实例
机器学习
神经网络
深度学习
人工智能
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
922
0
Deep-Fake原理揭示:使用WGAN-GP算法构造精致人脸
机器学习
神经网络
深度学习
人工智能
编程算法
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
1.4K
0
现代黑科技版“指鹿为马":使用CycleGAN实现男女“无痛变性”
javascript
机器学习
神经网络
深度学习
人工智能
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
1.1K
0
使用’推土距离‘构建强悍的WGAN
编程算法
机器学习
神经网络
深度学习
人工智能
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
642
0
应用Tensorflow2.0的Eager模式快速构建神经网络
keras
神经网络
深度学习
tensorflow
TensorFlow是开发深度学习算法的主流框架,近来随着keras和pytorch等框架的崛起,它受到了不小挑战,为了应对竞争它本身也在进化,最近新出的2.0版本使得框架的应用更加简易和容易上手,本节我们就如何使用它2.0版本提出的eager模式进行探讨,在后面章节中我们将使用它来开发较为复杂的生成型对抗性网络。
望月从良
2020-02-18
977
0
生成型对抗性网络的基本定义和介绍:什么叫生成
神经网络
iphone
深度学习
ios
编程算法
自从电脑诞生后,人类就有一个梦想,让它像人类一样思考。随着人工智能技术的飞速发展,计算机的思考能力突飞猛进,在很多方面已经通过了所谓的“图灵测试”。特别是在深度学习这一领域技术上,电脑不但具备了很多原以为人类才可能具备的能力,而且某些认知能力已经超过了人的水平,例如在神经网络技术的支持下,电脑在图片识别上的准确率已经超过了人类。
望月从良
2019-08-29
528
0
使用神经网络和深度学习构造围棋智能算法:实现棋盘落子编码
深度学习
机器人
编程算法
数据结构
神经网络
在前面章节中,我们引入不少算法和数据结构用以支持围棋机器人实现。由于围棋的步骤组合太多,几乎没有确定性的算法能在合理的时间内给出好的走法。从本节开始,我们将像AlphGo那样引入深度学习技术,通过训练神经网络的方式打造出一个强大的围棋机器人,使得这个机器人的围棋技能能够超越人类智慧之上。
望月从良
2019-04-28
953
0
(大结局)左右互搏:生成型对抗性网络的强大威力
javascript
编程算法
机器学习
神经网络
深度学习
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
639
0
使用变分编解码器实现自动图像生成
深度学习
编程算法
深度学习不仅仅在擅长于从现有数据中发现规律,而且它能主动运用规律创造出现实世界没有的实例来。例如给网络输入大量的人脸图片,让它识别人脸特征,然后我们可以指导网络创建出现实世界中不存在的人脸图像,把深度学习应用在创造性生成上是当前AI领域非常热门的应用。
望月从良
2019-03-06
751
0
有了LSTM网络,我再也不怕老师让我写作文了
深度学习
机器学习
神经网络
人工智能
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
742
0
DeepDream:使用深度学习再造毕加索抽象风格艺术画
深度学习
编程算法
图像识别
go
毕加索是近代最成功的艺术家,是抽象画派的开山师祖,而且凭借那些惊悚的抽象线条创造出来的画作非常挣钱。毕加索这种抽象创造能力能不能用计算机实现呢,随着深度学习的进一步发展,答案是肯定的。
望月从良
2018-12-06
955
0
用深度学习实现自然语言处理:word embedding,单词向量化
深度学习
NLP 服务
机器人
前几年,腾讯新闻曾发出一片具有爆炸性的文章。并不是文章的内容有什么新奇之处,而是文章的作者与众不同,写文章的不是人,而是网络机器人,或者说是人工智能,是算法通过分析大量财经文章后,学会了人如何编写财经报道,然后根据相关模式,把各种财经数据组织起来,自动化的生成一篇文章,当人阅读时,根本无法意识到文章不是人写,而是电脑生成的。
望月从良
2018-08-16
1.2K
0
从零开始构造一个识别猫狗图片的卷积网络
深度学习
神经网络
在深度学习的项目实践中,往往会遇到两个非常难以克服的难题,一是算力,要得到精确的结果,你需要设计几千层,规模庞大的神经网络,然后使用几千个GPU,把神经网络布置到这些GPU上进行运算;第二个难以克服的困难就是数据量,要想得到足够精确的结果,必须依赖于足够量的数据来训练网络模型。本节我们先看看第二个问题如何解决。
望月从良
2018-08-13
1.3K
0
深度学习:将新闻报道按照不同话题性质进行分类
深度学习
keras
深度学习的广泛运用之一就是对文本按照其内容进行分类。例如对新闻报道根据其性质进行划分是常见的应用领域。在本节,我们要把路透社自1986年以来的新闻数据按照46个不同话题进行划分。网络经过训练后,它能够分析一篇新闻稿,然后按照其报道内容,将其归入到设定好的46个话题之一。深度学习在这方面的应用属于典型的“单标签,多类别划分”的文本分类应用。 我们这里采用的数据集来自于路透社1986年以来的报道,数据中每一篇新闻稿附带一个话题标签,以用于网络训练,每一个话题至少含有10篇文章,某些报道它内容很明显属于给定话题,
望月从良
2018-07-19
595
0
深度学习项目实践,使用神经网络分析电影评论的正能量与负能量
深度学习
神经网络
在前面章节中,我们花费大量精力详细解析了神经网络的内在原理。神经网络由如下4个部分组成: 1,神经层,每层由多个神经元组合而成。 2,输入训练数据,已经数据对应的结果标签 3,设计损失函数,也就是用数
望月从良
2018-07-19
621
0
深度学习:透过神经网络的内在灵活与柏拉图的哲学理念
深度学习
神经网络
人工智能
python
以神经网络为基础的深度学习,它最大的作用就是让计算机能求解那些没有明确规则或定义的问题,例如你根本无法制定出一系列明确的规则或步骤去让计算机识别一幅图像中的内容是什么,人工智能最大的强项就是让计算机能处理那些模糊不清,几乎无法用明确的规则或步骤来描述的问题。 一个受过大量数据训练的神经网络,给定领域内的图像表示什么内容,此时它就像一个黑盒子,把数据从一端输入,然后结果自动从另一端输出,你根本不知道他内部的运行机制。如果我们只在乎得到正确的结果,那么无论神经网络的内部机理如何复杂,我们都无需关心。如果我们想知
望月从良
2018-07-19
553
0
神经网络实战:快速构建一个基于神经网络的手写数字识别系统
神经网络
深度学习
python
keras
没吃过猪肉,但得看过猪跑。虽然我们暂时对深度学习及神经网路的基本原理知之甚少,但获得深刻理性认识必须建立在足够的感性认知之上,就像掌握游泳技巧的前提是把自己泡到水里。因此我们在研究分析神经网络的技术原理时,先用代码构建一个实用的智能系统,通过运行后看结果的方式,我们就能快速建立起对深度学习相关技术的感知,这为我们后续建立扎实的理论体系奠定坚实的基础。 神经网络系统的开发一般都使用python语言,我们也不例外,我们的手写数字识别系统将使用python来开发,首先要做的是在机器上安装开发环境,也就是Anaco
望月从良
2018-07-19
497
0
深度学习:基本概念深度解析
神经网络
深度学习
深度学习需要项目实践,在项目实践中我们其实在不自觉中经历了深度学习的重要步骤,以及践行了深度学习过程中的一些重要概念,再此我们把这些概念提炼出来加以阐述和理解,这能为我们后面进行难度更大的项目打下扎实的基础,我们需要搞清楚三个概念,分别是数据预加工,特征工程,以及特征学习。 数据预处理其实就是要根据项目特点,把相应的数据向量化。在绝大多数数情况下,神经网络的输入数据格式都是向量,只不过不同的需求,输入向量的维度不同而已。无论我们要处理的对象是声音,图像,我们都需要把相关数据抽取出来,合成向量,例如前面项目中
望月从良
2018-07-19
400
0
使用卷积网络实现计算机图像识别:卷积和max pooling操作介绍
图像识别
深度学习
神经网络
keras
深度学习在计算机图像识别上的应用非常成功。利用深度学习,我们能够对图片进行高精度识别,实现这一功能的,主要依靠神经网络中的一种分支,名为卷积网络。卷积网络与我们前面实现的网络不通之处在于,它可以直接接受多维向量,而我们以前实现的网络只能接收一维向量。 我们在开始时,实现了一个能够识别手写数字图片的网络,网络接收数据时,必须把一张28*28的灰度图转换为784长的一维向量。在深入解析卷积网络前,我们直接用代码将其实现出来,通过卷积网络实现手写数字识别功能,先获得一个感性认识,为后续的深入研究打下基础,我们看看
望月从良
2018-07-19
799
0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
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