【学习】深度学习代码各个步骤都是为了啥（二）
学习日记构建模型model = tf.keras.Sequential([ SimpleRNN(100, return_sequences=True), #布尔值。是返回输出序列中的最后一个输出，还是全部序列。 Dropout(0.1), #防止过拟合 SimpleRNN(100), D...
【学习】深度学习代码各个步骤都是为了啥（一）
一个深度学习的例子，代码一般会包括以下几个步骤：设置GPU加载数据处理数据1. 归一化2. 设置测试集构建模型激活模型训练模型结果可视化1. 绘制loss图2. 预测3. 评估设置GPUgpus = tf.config.list_physical_devices("GPU") if gpus: tf...
学习=拟合？深度学习和经典统计学是一回事？哈佛理论计算机科学家细数二者差异（2）
在自监督学习中有些重要属性：学习一项技能而不是去近似一个函数：自监督学习不是逼近函数，而是学习可用于各种下游任务的表示(这是自然语言处理的主导范式)。通过线性探测、微调或激励获得下游任务是次要的。多多益善：在自监督学习中，表示质量随着数据量的增加而提高，不会因为混合了几个来源的数据而变糟。事实上，数...
学习=拟合？深度学习和经典统计学是一回事？哈佛理论计算机科学家细数二者差异（1）
度学习和简单的统计学是一回事吗？很多人可能都有这个疑问，毕竟二者连术语都有很多相似的地方。在这篇文章中，理论计算机科学家、哈佛大学知名教授 Boaz Barak 详细比较了深度学习与经典统计学的差异，认为“如果纯粹从统计学角度认识深度学习，就会忽略其成功的关键因素”。图源：https://twitt...
【从零开始学习深度学习】14. 防止过拟合方法：Dropout方法介绍及示例演示
1 Dropout丢弃法1.1 方法1.2 从零开始实现带dropout的根据丢弃法的定义，下面我们去实现它。下面的dropout函数将以drop_prob的概率丢弃X中的元素。%matplotlib inline import torch import torch.nn as nn import ...
【从零开始学习深度学习】13. 防止过拟合方法：权重衰减(L2惩罚项)介绍及示例演示
1 权重衰减1.1 方法1.2 高维线性回归示例%matplotlib inline import torch import torch.nn as nn import numpy as np import sys import d2lzh_pytorch as d2l n_train, n_tes...
【从零开始学习深度学习】12. 什么是模型的训练误差？基于三阶多项式的欠拟合与过拟合训练过程演示
前言前几篇文章基于Fashion-MNIST数据集的实验中，我们评价了机器学习模型在训练数据集和测试数据集上的表现。如果你改变过实验中的模型结构或者超参数，你也许发现了：当模型在训练数据集上更准确时，它在测试数据集上却不一定更准确。这是为什么呢？1.1 训练误差和泛化误差通俗来讲，训练误差（trai...
【从零开始学习深度学习】11.使用Pytorch实现多层感知机的构建与训练
首先导入所需的包或模块。import torch from torch import nn from torch.nn import init import numpy as np import sys import d2lzh_pytorch as d2l 1.1 定义模型与初始化和softmax...
【从零开始学习深度学习】10.自己动手从零开始实现一个多层感知机
首先导入实现所需的包或模块。import torch import numpy as np import sys import d2lzh_pytorch as d2l # 之前自己定义的模块 1.1 获取和读取数据这里继续使用Fashion-MNIST数据集。我们将使用多层感知机对图像进行分类。b...
【从零开始学习深度学习】9.多层感知机MLP及常用激活函数介绍
1.1 隐藏层多层感知机在单层神经网络的基础上引入了一到多个隐藏层（hidden layer）。隐藏层位于输入层和输出层之间。下图展示了一个多层感知机的神经网络图，它含有一个隐藏层，该层中有5个隐藏单元。在上图所示的多层感知机中，输入和输出个数分别为4和3，中间的隐藏层中包含了5个隐藏单元（hidd...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
产品推荐
社区圈子
最佳实践
