首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
首页标签深度学习

#深度学习

机器学习的分支,试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法

如何用深度相机制作点云数据集?

DF21深度随机森林 重要性排序?

tensorflow2中tensorflow_datasets的函数load遇到的问题?

如何提高gfpgan的运行速度,提升图像修复的效率?

能否用gym搭建陆空两栖飞行汽车的仿真环境?

使用“tf.keras.layers.concatenate”的TypeError ?

经过CNN处理后的特征数据再传入transformer的编码器做自注意力还需要位置嵌入吗?

跑深度学习代码的时候遇到的?

cuda统计和的过程中使用for循环导致输出结果全0?

tensorflow使用model.fit()出错,不知道错哪了?

如何把训练日志打印到指定的项目txt文档中以及加一层卷积进去?

LSTM该怎样输入?

大佬求助: 硕士论文选题?

pytorch中具有多类图像输入和单个图像输出的网络怎么来创建训练集?

如何使用Django部署机器学习模型?

训练好模型之后,进行预测时出现NotImplementedError怎么办?

LSTM循环神经网络随机初始化对结果的影响和预测结果方差是多少?

相空间重构构建数据分布+bp神经网络算法训练函数F和遗传算法进行特征选取?

RNN中支持的一些基本算子,如何对序列数据进行组织?

RNN可以同时接受输入序列并产生输出序列。这种类型的序列到序列的网络可用于预测诸如股票价格之类的时间序列:你将过去N天的价格作为输入,它必须输出未来偏移一天的价格(即从前N-1天到明天) 你可以向网络提个一个输入序列,并忽略除了最后一个输出外的所有输出。换句话说,这是一个序列到向量的网络。例如,你可以向网络提供与电影评论相对应的单词序列,然后网络将输出一个情感得分(例如从-1[恨]到+1[爱]) 你可以在每个时间步长中一次又一次地向网络提供相同的输入向量,并让其输出一个序列。这是一个向量到序列的网络。例如,输入可以是图像(或CNN的输出),而输出可以是该图像的描述... 展开详请

在机器学习中,损失函数一般要怎么选择?

领券