机器学习为什么需要策略 机器学习为什么需要策略 机器学习（machine learning） 已然成为无数重要应用的基石——如今，在网络搜索、垃圾邮件检测、语音识别以及产品推荐等领域，你都能够发现它的身影。如果你或你的团队正在研发一款机器学习相关应用，并期待取得较快进展，那么这本书将会是你的得力助手。 案例：建立猫咪图片初创公司 想象一下，你正在...

卷积层 ​CNN 最重要的组成部分是卷积层：第一卷积层中的神经元不是连接到输入图像中的每一个像素（就像它们在前面的章节中那样），而是仅仅连接到它们的局部感受野中的像素（参见图 13-2）。 进而，第二卷积层中的每个神经元只与位于第一层中的小矩形内的神经元连接。 这种架构允许网络专注于第一隐藏层中的低级特征，然后将其组装成下一隐藏层中的高级特征，等等。 这...

感知器 感知器是最简单的人工神经网络结构之一，由 Frank Rosenblatt 发明于 1957。它是基于一种稍微不同的人工神经元（见图 10-4），称为线性阈值单元（LTU）：输入和输出现在是数字（而不是二进制开/关值），并且每个输入连接都与权重相连。LTU计算其输入的加权和（z = W1×1 + W2×2 + ... + + WN×n = Wt·...

计算机视觉应用 概述 图像分类 任务描述及准备 下载CIFAR-10数据集 数据预加载和预处理 定义卷积神经网络 定义损失函数和优化器 调用Model高阶API进行训练和保存模型文件 加载保存的模型，并进行验证 参考文献 计算机视觉应用 概述 计算机视觉是当前深度学习研究最广泛、落地最成熟的技术领域，在手机拍照、智能安防、自动...

数字识别 背景介绍 模型概览 Softmax回归(Softmax Regression) 多层感知机(Multilayer Perceptron, MLP) 卷积神经网络(Convolutional Neural Network, CNN) 卷积层 池化层 常见激活函数介绍 数据介绍 Fluid API 概述 配置说明 Program F...

一、TensorFlow的建模流程 一、TensorFlow的建模流程 尽管TensorFlow设计上足够灵活，可以用于进行各种复杂的数值计算。 但通常人们使用TensorFlow来实现机器学习模型，尤其常用于实现神经网络模型。 从原理上说可以使用张量构建计算图来定义神经网络，并通过自动微分机制训练模型。 但为简洁起见，一般推荐使用Tensor...

教程 总览 MNIST 机器学习入门 深入 MNIST TensorFlow 运作方式入门 卷积神经网络 字词的向量表示 递归神经网络 曼德布洛特(Mandelbrot)集合 偏微分方程 MNIST数据下载

计算机视觉的发展历程 计算机视觉的发展历程 计算机视觉的发展历程要从生物视觉讲起。对于生物视觉的起源，目前学术界尚没有形成定论。有研究者认为最早的生物视觉形成于距今约7亿年前的水母之中 ，也有研究者认为生物视觉产生于距今约5亿年前寒武纪【1 , 2 】。寒武纪生物大爆发的原因一直是个未解之谜，不过可以肯定的是在寒武纪动物具有了视觉能力，捕食者可以更容...

数字识别 说明: 背景介绍 模型概览 Softmax回归(Softmax Regression) 多层感知机(Multilayer Perceptron, MLP) 卷积神经网络(Convolutional Neural Network, CNN) 卷积层 池化层 常见激活函数介绍 数据介绍 Fluid API 概述 配置说明 Prog...

为什么说反向传播算法很高效？ 为什么说反向传播算法很高效？ 为什么说反向传播算法很高效？要回答这个问题，让我们来考虑另一种计算梯度的方式。设想现在是神经网络研究的早期阶段，大概是在上世纪50年代或60年代左右，并且你是第一个想到使用梯度下降方法来进行训练的人！但是要实现这个想法，你需要一种计算代价函数梯度的方式。你回想了你目前关于演算的知识，决定试一...