3. 深度学习基础 3. 深度学习基础 从本章开始，我们将探索深度学习的奥秘。作为机器学习的一类，深度学习通常基于神经网络模型逐级表示越来越抽象的概念或模式。我们先从线性回归和 softmax 回归这两种单层神经网络入手，简要介绍机器学习中的基本概念。然后，我们由单层神经网络延伸到多层神经网络，并通过多层感知机引入深度学习模型。在观察和了解了模型的过...

3.1 线性回归 3.2 线性回归的从零开始实现 3.3 线性回归的简洁实现 3.4 softmax回归 3.5 图像分类数据集（Fashion-MNIST） 3.6 softmax回归的从零开始实现 3.7 softmax回归的简洁实现 3.8 多层感知机 3.9 多层感知机的从零开始实现 3.10 多层感知机的简洁实现 3.11 模型...

深度学习简介 起源 发展 成功案例 特点 小结 练习 参考文献 深度学习简介 你可能已经接触过编程，并开发过一两款程序。同时你可能读过关于深度学习或者机器学习的铺天盖地的报道，尽管很多时候它们被赋予了更广义的名字：人工智能。实际上，或者说幸运的是，大部分程序并不需要深度学习或者是更广义上的人工智能技术。例如，如果我们要为一台微波炉编写一...

前言 机器学习和深度学习综述 使用Python和Numpy构建神经网络模型 飞桨开源深度学习平台介绍 使用飞桨重写房价预测模型 Numpy介绍

作业 2-5 截止目前，诸位读者已经掌握了使用飞桨完成深度学习建模的方法，并且可以编写相当强大的模型。如果将每个模型部分均展开，整个模型实现有几百行代码，可以灵活的实现各种建模过程中的需求。 “横纵式”教学法编写相当强大的模型 本章内容覆盖了使用飞桨建模各方面的基础知识，但仅以手写数字识别为案例，还难以覆盖各个领域的建模经验。从下一章开始，我们正...

飞桨开源深度学习平台 飞桨开源深度学习平台全景 本地模型开发和部署：数据保存在本地服务器，模型选择灵活度高 云端模型开发和部署：数据保存在云端，提供可视化GUI界面，安全高效 - 模型开发 - 预测部署 在线教育平台AI Studio 飞桨技术优势 多领域产业级模型达到业界领先水平 支持多端多平台的部署，适配多种类型硬件芯片 飞桨在各行业的...

Tensorflow入门 Tensorflow入门

针对NLP的Pytorch深度学习 针对NLP的Pytorch深度学习 译者：@JingTao 、@friedhelm739 作者 : Robert Guthrie 本教程将带你浏览基于Pytorch深度学习编程的核心思想.其中很多思想(例如计算图形抽象化以及自动求导) 并不是Pytorch特有的,他们和任何深度学习工具包都是相关的. ...

常用深度学习框架 2018.09.13 性能对比 1. 训练时间: Network DenseNet-121 (Multi-GPU) 2. 1000张图片推理时间(s): Network ResNet-50 3. CPU推理时间(s): E5-2630v4, Network FCN5 框架评价 推荐框架 1.Keras 2.TensorFlo...