首页
学习
活动
专区
工具
TVP
发布

Python编程 pyqt matplotlib

专栏作者
266
文章
385607
阅读量
38
订阅数
残差网络 在 CIFAR10上的简单应用
何恺明等人提出的残差网络(ResNet) 在2015年的ImageNet图像识别挑战赛夺魁,并深刻影响了后来的深度神经网络的设计。残差网络的核心思想是:增加网络的深度后的最好还能包含原始函数(原始函数指的是增加深度之前的网络,它把一个input张量映射为一个output张量)作为其元素之一,从而必不会使网络的拟合能力变得更差。 于是,残差块(residual blocks)便诞生了,这个设计对如何建立深层神经网络产生了深远的影响。凭借它,ResNet赢得了2015年ImageNet大规模视觉识别挑战赛。
用户6021899
2022-11-18
4720
生成对抗网络(GAN)简介
GAN 由 Ian Goodfellow 在2014年提出。GAN通过训练两个相互对抗的神经网络解决了非监督学习问题,其中一个是生成(Generator)网络,另一个叫判别(discriminator)网络。
用户6021899
2022-06-07
1.6K0
Pytorch Autograd 基础(一)
Autograd (自动梯度)是Pytorch能够快速又灵活地构建机器学习模型的关键。它能够用来快速而简单地计算复杂函数的多重偏导数,它是基于反向传播的神经网络学习的核心。
用户6021899
2022-04-15
2810
Fashion_minst 图像识别 by PyTorch CNN
Fashion_minst 是之前介绍 Tensorflow 时用过的数据集。下面用 PyTorch 再跑它一遍 ,用作 PyTorch 的入门示例。
用户6021899
2022-03-04
3960
使用LSTM预测正弦曲线
之前介绍过用LSTM预测天气的例子,该例子中数据集的处理和曲线绘制函数稍微有点复杂。这篇我们使用标准正弦函数做数据集,让代码更简单,来加深我们对LSTM的理解。
用户6021899
2020-02-19
2K0
长短时记忆网络(LSTM)
RNN最主要的问题就是长期依赖问题,也就是RNN很容易接受和处理最近的上下文信息,比如“天气预报说明天早上要下大雨,出门一定要记得带_____。”像这样的短期信息,由于相关信息“下大雨”和要填的词之间的距离比较短,RNN就可以很容易地学会利用过去的信息,预测出来_____里面应该填“雨伞”。可是当有些时候当相关的信息距离需要预测的位置比较远时,比如:“我出生在中国,但是后来随父母移民到了美国,我......(省略200个字),因此我能讲一口流利的_____。” 现在再用RNN来预测_____里面的词时就存在一定的困难,依靠最近的信息很难预测出下一个词是什么。
用户6021899
2020-01-17
1.2K0
循环神经网络(RNN)简介
之前介绍的全连接神经网络和卷积神经网络的模型中,网络结构都是从输入层到各隐藏层再到输出层,层与层之间是全连接(或者部分连接)的,但每层之间的节点是无连接的。
用户6021899
2020-01-17
8720
CIFAR-10数据集 图像识别
之前我是在CPU上跑Tensorflow,计算速度着实让人捉急。最近更新了显卡驱动,安装了CUDA和 GPU版的TensorFlow,同样的神经网络结构,学习速度有了百倍提升。
用户6021899
2019-12-25
1.2K0
TensorFlow-Slim 简介【转载】
TF-Slim 是 TensorFlow 中一个用来构建、训练、评估复杂模型的轻量化库。TF-Slim 模块可以和 TensorFlow 中其它API混合使用。
用户6021899
2019-12-10
5210
卷积神经网络处理图像识别(三)
下面是测试Batch的总Loss和验证集上的准确率的收敛趋势图。由于我的电脑性能不好,所以我大幅度削减了待训练参数个数。尽管如此,2000轮训练之后,在验证集上5000个图片的预测正确率已达98.3%。如若不削减参数,准确率可达99.4%。
用户6021899
2019-11-25
7950
卷积神经网络处理图像识别(一)
在全连接神经网络中,同一层中的节点(即神经元)组织成一列,每相邻两层之间的节点都有边相连, 上一层的输出作为下一层的输入。
用户6021899
2019-11-24
1.3K0
深度学习解决手写数字的图片识别
本篇使用TensorFlow框架,利用MNIST手写数字数据集来演示深度学习的入门概念。其训练集共有60000个样本(图片和标签),测试集有10000个样本。手写数字的图片都是尺寸为28*28的二值图:
用户6021899
2019-11-07
1.7K0
利用PCA来降维
想象这样一种场景:我们通过电视直播观看足球比赛,电视屏幕大概有200万像素,假设我们关注的是任意时刻足球的位置。在这一场景中,人们实时地将屏幕上的百万级像素转换成了三维坐标。这个过程就是一种降维(dimensionnality reduction)。
用户6021899
2019-10-09
4150
基于单层决策树的AdaBoost算法
Boosting,也称为增强学习或提升法,是一种重要的集成学习技术,能够将预测精度仅比随机猜度略高的弱学习器增强为预测精度高的强学习器,这在直接构造强学习器非常困难的情况下,为学习算法的设计提供了一种有效的新思路和新方法。作为一种元算法框架,Boosting几乎可以应用于所有目前流行的机器学习算法以进一步加强原算法的预测精度,应用十分广泛,产生了极大的影响。而AdaBoost正是其中最成功的代表,被评为数据挖掘十大算法之一。
用户6021899
2019-09-02
1.7K0
SVM之使用核函数的SMO算法
对于数据集非线性可分的情况,要使用SVM,必须先用核函数将数据从低维空间映射到高维空间,转化成易于分离器理解的形式。核函数并不仅仅应用于SVM,很多其它的机器学习算法也会用到核函数。
用户6021899
2019-08-28
7180
支持向量机通俗导论(理解SVM的三层境界)【转载】
原文链接:https://blog.csdn.net/v_JULY_v/article/details/7624837
用户6021899
2019-08-21
8020
决策树(二)
有了决策树,我们就可以根据样本的特征值来执行分类。遇到判断节点则递归调用,遇到叶子节点则终止,返回叶子节点的分类标签:
用户6021899
2019-08-14
3860
使用朴素贝叶斯进行文档分类(一)
假设现在有7个小球,其中3个是红色的,4个是绿色的,如图所示。如果从7个小球中随机取出一个小球,且假设每个小球被选中的概率相等,那么取到红色小球的概率是多少?
用户6021899
2019-08-14
5870
决策树(一)
你是否玩过20个问题的游戏? 游戏的规则很简单:参与游戏的一方在脑海里想着某个事物,其它参与者想他提问题,最多只允许提20个问题,问题的答案也只能用“对”或者“错”回答。问问题的人通过推断分解,逐步缩小猜测事物的范围。
用户6021899
2019-08-14
6810
机器学习基础
注:本篇和后续各篇关于机器学习(不含深度学习)的内容,都有参考《Machine Learning in Action》(中文翻译版《机器学习实战》)这本书。
用户6021899
2019-08-14
4200
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
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