腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

机器学习爱好者社区

专栏作者

84

文章

87394

阅读量

14

订阅数

神经网络基本原理及Python编程实现

神经网络 python

在生物神经网络中，每个神经元的树突接受来自之前多个神经元输出的电信号，将其组合成更强的信号。如果组合后的信号足够强，超过阀值，这个神经元就会被激活并且也会发射信号，信号则会沿着轴突到达这个神经元的终端，再传递给接下来更多的神经元的树突，如图1所示。

2021-09-01

2K0

结构最清晰的Yolov3 head和loss实现完全解析

神经网络深度学习人工智能图像识别

本文从head和loss出发，对mmdetection复现的Yolo v3 进行解析，文章梳理了整个训练的流程并head和loss的部分进行了大篇幅的讲解。

2021-06-10

7360

周末重温——TensorFlow之参数初始化

c++机器学习神经网络深度学习人工智能

CNN中最重要的就是参数了，包括W和b。训练CNN的最终目的就是得到最好的参数，使得目标函数取得最小值。参数的初始化也同样重要，因此微调受到很多人的重视。tf提供的所有初始化方法都定义在tensorflow/python/ops/init_ops.py。

2021-06-10

1K0

这是我见过最好的NumPy图解教程！没有之一

numpy 编程算法机器学习 python 神经网络

NumPy是Python中用于数据分析、机器学习、科学计算的重要软件包。它极大地简化了向量和矩阵的操作及处理。python的不少数据处理软件包依赖于NumPy作为其基础架构的核心部分（例如scikit-learn、SciPy、pandas和tensorflow）。除了数据切片和数据切块的功能之外，掌握numpy也使得开发者在使用各数据处理库调试和处理复杂用例时更具优势。

2021-06-10

1.7K0

Google AI提出MLP-Mixer：只需MLP就在ImageNet达到SOTA！

机器学习神经网络深度学习人工智能 kernel

近日，Google AI又发布了一篇与ViT一样的重磅级论文：MLP-Mixer: An all-MLP Architecture for Vision。这篇论文提出的Mixer模型仅包含最简单的MLP结构就能在ImageNet上达到SOTA。那么MLP其实是两层FC层，这不禁让人感叹：

2021-06-10

6590

腾讯优图提出ISTR：基于transformer的端到端实例分割！性能SOTA，代码已开源！

对象存储 https 机器学习神经网络深度学习

近日，厦门大学和腾讯优图联合发布了一种基于transformer的端到端的实例分割方法ISTR：

2021-05-11

1.2K0

【留言送书】跟我一起从源码学习Transformer！

编程算法机器学习神经网络深度学习人工智能

近几年NLP领域有了突飞猛进的发展，预训练模型功不可没。当前利用预训练模型（pretrain models）在下游任务中进行fine-tune，已经成为了大部分NLP任务的固定范式。Transformer摒弃了RNN的序列结构，完全采用attention和全连接，严格来说不属于预训练模型。但它却是当前几乎所有pretrain models的基本结构，为pretrain models打下了坚实的基础，并逐步发展出了transformer-XL，reformer等优化架构。本文结合论文和源码，对transformer基本结构，进行详细分析。

2021-01-12

4980

centerX: 用新的视角的方式打开CenterNet

笔者构了一版centernet(objects as points)的代码，并加入了蒸馏，多模型蒸馏，转caffe，转onnx，转tensorRT，把后处理也做到了网络前向当中，对落地非常的友好。

2020-12-30

1.2K0

CNN：我不是你想的那样

机器学习神经网络深度学习人工智能腾讯云测试服务

每当我们训练完一个CNN模型进行推理时候，一旦出现人类无法解释的现象就立刻指责CNN垃圾，说这都学不会？其实你可能冤枉它了，而本文试图为它进行辩护。

2020-11-30

5840

语义分割之Dice Loss深度分析

机器学习神经网络深度学习人工智能

Dice Loss 来自文章VNet(V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation)，旨在应对语义分割中正负样本强烈不平衡的场景。本文通过理论推导和实验验证的方式对dice loss进行解析，帮助大家去更好的理解和使用。

2020-08-25

2.6K0

跟我学万字长文：最前沿的特征可视化(CAM)技术

访问管理 https 网络安全图像识别神经网络

众所周知，深度学习是一个"黑盒"系统。它通过“end-to-end”的方式来工作，输入数据例如RGB图像，输出目标例如类别标签、回归值等，中间过程不可得知。如何才能打开“黑盒”，一探究竟，让“黑盒”变成“灰盒”，甚至“白盒”？因此就有了“深度学习可解释性“这一领域，而CAM(Class Activation Mapping)技术就是其中之一，其利用特征可视化来探究深度卷积神经网络的工作机制和判断依据。本文通过七篇论文来论述该技术，并附带代码解析。

2020-08-05

2.5K0

迁移学习 Transfer Learning

机器学习神经网络深度学习人工智能迁移学习

在上次的动画简介中, 我们大概了解了一些迁移学习的原理和为什么要使用迁移学习. 如果用一句话来概括迁移学习, 那务必就是:“为了偷懒, 在训练好了的模型上接着训练其他内容, 充分使用原模型的理解力”.有时候也是为了避免再次花费特别长的时间重复训练大型模型.

2020-04-01

4360

最小二乘法小结

机器学习神经网络深度学习人工智能

最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习，尤其是回归模型中，经常可以看到最小二乘法的身影，这里就对我对最小二乘法的认知做一个小结。

2020-03-31

7150

2020人工智能全球女性榜发布，致敬这些杰出的女科学家

深度学习神经网络人工智能数据挖掘

2020年3月8日，在这个一年一度的妇女节，北京智源人工智能研究院、清华大学 - 中国工程院知识智能联合研究中心、清华大学人工智能研究院，共同发布代表全球人工智能学科最有影响力、最具活力的女性学者榜单——Women in AI 2020。在我们统计的2000位人工智能最具影响力AI学者中，有179位是女性学者，比例为9%。

2020-03-12

6830

【连载20】模型可视化-3.10

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。可视化有很多种，比如：feature map可视化、权重可视化等等，我以feature map可视化为例。

2020-03-12

4100

【原创】大结局！scikit-learn 支持向量机算法库使用小结-3.9

scikit-learn 机器学习神经网络深度学习

scikit-learn中SVM的算法库分为两类，一类是分类的算法库，包括SVC， NuSVC，和LinearSVC 3个类。另一类是回归算法库，包括SVR， NuSVR，和LinearSVR 3个类。相关的类都包裹在sklearn.svm模块之中。

2020-03-11

5040

【干货】支持向量机原理(四)SMO算法原理

编程算法机器学习神经网络深度学习人工智能

上面这个优化式子比较复杂，里面有m个变量组成的向量需要在目标函数极小化的时候求出。直接优化时很难的。SMO算法则采用了一种启发式的方法。它每次只优化两个变量，将其他的变量都视为常数。由于.假如将　固定，那么之间的关系也确定了。这样SMO算法将一个复杂的优化算法转化为一个比较简单的两变量优化问题。

2020-03-09

9610

【连载18】GoogLeNet Inception V3

GoogLeNet Inception V3在《Rethinking the Inception Architecture for Computer Vision》中提出（注意，在这篇论文中作者把该网络结构叫做v2版，我们以最终的v4版论文的划分为标准），该论文的亮点在于：

2020-03-09

4200

【连载17】GoogLeNet Inception V2

神经网络卷积神经网络批量计算

GoogLeNet Inception V2在《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》出现，最大亮点是提出了Batch Normalization方法，它起到以下作用：

2020-03-09

3850

【连载15】Residual Networks、Maxout Networks和Network in Network

神经网络编程算法

残差网络在《Deep Residual Learning for Image Recognition》中被第一次提出，作者利用它在ILSVRC 2015的ImageNet 分类、检测、定位任务以及COCO 2015的检测、图像分割任务上均拿到第一名，也证明ResNet是比较通用的框架。

2020-03-06

5490

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