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

一、卷积运算 1.1 数学卷积 1.1.1 卷积定义 1.1.2 数学卷积与矩阵乘法 1.1.2.1 一维卷积和矩阵乘法 1.1.2.2 二维卷积和矩阵乘法 1.2 神经网络卷积 1.2.1 卷积定义 1.2.2 输入填充 1.2.3 三维卷积 1.2.4 降采样 1.2.5 梯度计算 一、卷积运算 1.1 数学卷积 1...

训练一个分类器 数据呢? 训练一个图像分类器 1. 加载并规范化 CIFAR10 2. 定义一个卷积神经网络 3. 定义一个损失函数和优化器 4. 训练网络 5. 在测试数据上测试网络 在 GPU 上训练 在多个GPU上进行训练 我下一步去哪里? 训练一个分类器 译者：@小王子 校对者：@李子文 就是这个, 你已经看...

LeNet LeNet LeNet是最早的卷积神经网络之一[1]。1998年，Yan LeCun第一次将LeNet卷积神经网络应用到图像分类上，在手写数字识别任务中取得了巨大成功。LeNet通过连续使用卷积和池化层的组合提取图像特征，其架构如 图1 所示，这里展示的是作者论文中的LeNet-5模型： 图1：LeNet模型网络结构示意图 ...

Deeplearning Algorithms tutorial PageRank 相关应用 优缺点 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列，在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗，覆盖无人驾驶、智能助手、图像识别等许多层面。苹果业已开始...

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...

偏差和方差间的权衡 偏差和方差间的权衡 你可能听过“偏差和方差间的权衡”。目前，在大部分针对学习算法的改进中，有一些能够减少偏差，但代价是增大方差，反之亦然。于是在偏差和方差之间就产生了“权衡”。 例如，加大模型的规模（在神经网络中增加神经元/层，或增加输入特征），通常可以减少偏差，但可能会增加方差。另外，加入正则化一般会增加偏差，但能减少方差。 ...

无监督预训练使用栈式自编码器 正如我们在第 11 章中讨论的那样，如果您正在处理复杂的监督任务，但您没有大量标记的训练数据，则一种解决方案是找到执行类似任务的神经网络，然后重新使用其较低层。 这样就可以仅使用很少的训练数据来训练高性能模型，因为您的神经网络不必学习所有的低级特征；它将重新使用现有网络学习的特征检测器。 同样，如果您有一个大型数据集，但大...

10.9 编码器—解码器（seq2seq） 10.9.1 编码器 10.9.2 解码器 10.9.3 训练模型 小结 参考文献 10.9 编码器—解码器（seq2seq） 我们已经在前两节中表征并变换了不定长的输入序列。但在自然语言处理的很多应用中，输入和输出都可以是不定长序列。以机器翻译为例，输入可以是一段不定长的英语文本序列，输出可以是...

Deeplearning Algorithms tutorial BIRCH 相关应用 优缺点 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列，在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗，覆盖无人驾驶、智能助手、图像识别等许多层面。苹果业已开始全面拥...