PDNN: 深度学习的一个Python工具箱
PDNN: 深度学习的一个Python工具箱PDNN是一个在Theano环境下开发出来的一个Python深度学习工具箱。它由苗亚杰（Yajie Miao）原创。现在仍然在不断努力去丰富它的功能和扩展它的应用。PDNN发布在under Apache 2.0, one of the least rest...
Keras深度学习实战——使用循环神经网络构建情感分析模型
Keras深度学习实战——使用循环神经网络构建情感分析模型 0. 前言1. 使用循环神经网络构建情感分析模型1.1 数据集分析1.2 构建 RNN 模型进行情感分析相关链接 0. 前言 在《循环神经详解与实现》一节中，我们已经了解循环神经网络 (Recurrent neural networks,...
深度学习装机指南：从GPU到显示器，全套硬件推荐
前言：硬件设备，是任何一名深度学习er不可或缺的核心装备。各位初级调参魔法师们，你们有没有感到缺少那一根命中注定的魔杖？可是，各种CPU、GPU、内存条、外设，那么多品牌种类型号参数，到底该怎么选？文章内容较长、耐心差的小伙伴直接拉到最后看结论即可1、GPU显卡（GPU）是深度学习的重要部件，甚至比...
《TensorFlow深度学习应用实践》
http://product.dangdang.com/25207334.html内容 简 介本书总的指导思想是在掌握深度学习的基本知识和特性的基础上，培养使用TensorFlow进行实际编程以解决图像处理相关问题的能力。全书力求深入浅出，通过通俗易懂的语言和详细的程序分析，介绍TensorFlow...
Nature子刊：一个从大脑结构中识别阿尔茨海默病维度表征的深度学习框架
脑部疾病的异质性是精准诊断/预后的一个挑战。作者描述并验证了一种名为Smile-GAN（SeMI-supervised cLustEring-Generative Adversarial Network），的半监督深度聚类方法，它研究了与正常大脑结构对比的神经解剖学异质性，从而通过神经影像特征识别疾...
深度学习梯度下降优化算法(AdaGrad、RMSProp、AdaDelta、Adam)（MXNet）
在深度学习优化算法之动量法[公式推导]（MXNet）中，动量法因为使用了指数加权移动平均，解决了自变量更新方向不一致的问题。动量法由于每个元素都使用了相同的学习率来做迭代，这也导致另外一个问题：如果x1和x2的梯度值有较大差别，那就会选择一个比较小的学习率，确保自变量在梯度值较大的维度不被发散，但是...
干货|深度学习实现零件的缺陷检测
全世界只有不到2%的人关注了视觉IMAX你真是个特别的人视觉IMAX的第34篇原创文章前言 本文由Oliver Cui根据实战经验，撰稿而成，同时他也是「视觉IMAX」知识星球特邀嘉宾。介绍工业零件在制造完成的时候，往往需要去检测其完整性和功能性。如下图所示，从左上到右下，分别是擦花、...
刘二大人 PyTorch深度学习实践 笔记 P11 卷积神经网络（高级篇）
刘二大人 PyTorch深度学习实践 笔记 P11 卷积神经网络（高级篇） 1、GoogleNetI 网络结构II 减少代码冗余思想(减少代码重复)2、Inception ModuleI 基本概念III 代码实现II Stack Layer3、residual netI 普通网络与残差网络的区别I...
对于深度学习中梯度下降和反向传播的理解
文章目录 对于深度学习的理解梯度下降反向传播参考资料 对于深度学习的理解 机器学习的任务可以看作是数据统计中对于给定数据的拟合。也就是给定一些样本点，用合适的曲线揭示这些样本点跟随自变量变化的关系。 现在我们将将目光由二维的点扩充向由向量、矩阵等等组成的点对。此时，这种点对之间的关系非常复杂，很难...
动手实现深度学习（5）：计算图的实现
第三篇：基于计算图的神经网络的设计与实现传送门： https://www.cnblogs.com/greentomlee/p/12314064.htmlgithub: Leezhen2014: https://github.com/Leezhen2014/python_deep_learning 在...
Keras深度学习实战——使用GloVe模型构建单词向量
Keras深度学习实战——使用GloVe模型构建单词向量 0. 前言1. GloVe 算法模型1.1 模型目标1.2 GloVe 算法计算细节3. 实现 GloVe 模型构建单词向量3.1 数据集3.2 模型实现相关链接 0. 前言 在《使用fastText模型构建单词向量》一节中，我们学习了如何...
深度学习卷积神经网络YOLOv5详解
1 Yolov5四种网络模型 Yolov5官方代码中，给出的目标检测网络中一共有4个版本，分别是Yolov5s、Yolov5m、Yolov5l、Yolov5x四个模型。 学习一个新的算法，最好在脑海中对算法网络的整体架构有一个清晰的理解。 但比较尴尬的是，Yolov5代码中给出的网络文件是yaml格...
Deep Learning（深度学习）相关网站
Deep Learning（深度学习）ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio团队的deep learning教程，用的theano库，主要是rbm系列，搞python...
基于深度学习的文本分类案例：使用LSTM进行情绪分类
Sentiment classification using LSTM在这个笔记本中，我们将使用LSTM架构在电影评论数据集上训练一个模型来预测评论的情绪。首先，让我们看看什么是LSTM？LSTM，即长短时记忆，是一种序列神经网络架构，它利用其结构保留了对前一序列的记忆。第一个被引入的序列模型是RN...
机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2)
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https...
吴恩达《深度学习》第五门课（1）循环序列模型（RNN）
1.1为什么选择序列模型（1）序列模型广泛应用于语音识别，音乐生成，情感分析，DNA序列分析，机器翻译，视频行为识别，命名实体识别等众多领域。（2）上面那些问题可以看成使用（x，y）作为训练集的监督学习，但是输入与输出的对应关系有非常多的组合，比如一对一，多对多，一对多，多对一，多对多（个数不同）等...
Python深度学习pytorch神经网络填充和步幅的理解
这篇文章主要介绍了Python深度学习pytorch神经网络填充和步幅的理解
【深度学习系列】迁移学习Transfer Learning
在前面的文章中，我们通常是拿到一个任务，譬如图像分类、识别等，搜集好数据后就开始直接用模型进行训练，但是现实情况中，由于设备的局限性、时间的紧迫性等导致我们无法从头开始训练，迭代一两百万次来收敛模型，所以这个时候迁移学习就派上用场了。什么是迁移学习？迁移学习通俗来讲，就是运用已有的知识来学习新的知识...
【深度学习论文笔记】FaceNet: A Unified Embedding for Face Recognition and Clustering
论文：FaceNet: A Unified Embedding for Face Recognition and Clustering 时间：2015.04.13 来源：CVPR 2015 来自谷歌的一篇文章，这篇文章主要讲述的是一个利用深度学习来进行人脸验证的方法，目前在LFW上面取得了最好的成...
【深度学习】——深度学习中的梯度计算
梯度下降在【机器学习基础】中已经总结了，而在深度学习中，由于模型更加复杂，梯度的求解难度更大，这里对在深度学习中的梯度计算方法进行回顾和学习。本节主要是了解深度学习中（或者说是tensorflow中）梯度的计算是怎么做的。1. 计算图 在学习tensorflow中，我们知道tensorflow都是...