Model Zoos 你在哪里可以找到一个类似于你想要解决的任务训练的神经网络？ 首先看看显然是在你自己的模型目录。 这是保存所有模型并组织它们的一个很好的理由，以便您以后可以轻松地检索它们。 另一个选择是在模型动物园中搜索。 许多人为了各种不同的任务而训练机器学习模型，并且善意地向公众发布预训练模型。 TensorFlow 在 https://git...

Evernote 安装Evernote插件 使用 快捷键设置 其他设置： Evernote 已经习惯了用markdown格式来记录笔记，Evernote无法实现markdown一直是个缺陷。 马克飞象已经解决了这一难题，但马克飞象 是收费的服务。本着节省（抠门）原则，我只好另辟蹊径，然后我发现了她—-Sublime的Evernote插件 ...

Conv2DTranspose 属性 Conv2DTranspose class paddle.fluid.dygraph. Conv2DTranspose (num_channels, num_filters, filter_size, output_size=None, padding=0, stride=1, dilation=1, gro...

空间转换网络 (Spatial Transformer Networks) 教程 读数据 描述空间转换网络 (spatial transformer networks) 训练模型 可视化空间转换网络 (STN) 的结果 空间转换网络 (Spatial Transformer Networks) 教程 译者：@Twinkle 原作者 ...

隐藏层数量 对于许多问题，您只需从单个隐藏层开始，您将获得合理的结果。 实际上已经表明，只有一个隐藏层的 MLP 可以建模甚至最复杂的功能，只要它具有足够的神经元。 长期以来，这些事实说服了研究人员，没有必要调查任何更深层次的神经网络。 但是他们忽略了这样一个事实：深层网络具有比浅层网络更高的参数效率：他们可以使用比浅网格更少的神经元来建模复杂的函数，使...

迈向深度学习 迈向深度学习 虽然我们的神经网络给出了令人印象深刻的表现，但是这个过程有一些神秘。网络中的权重和偏置是自动被发现的。这意味着我们不能对神经网络的运作过程有一个直观的解释。我们可以找到什么方法来理解我们的网络分类手写数字的原则吗？并且，在知道了这些原则后，我们能够帮助神经网络做得更好么？ 为了更加清晰地解释这个问题，我们假设数十年后神经...

推荐 hyy1115／ES6-learning 实际应用请看前端大神对该书的读后感 知识重新整理，补充细节整理中 图片来自日本像素画家 强烈推荐此书《深入理解ES6》 红宝书大神【美】Nicholas C. Zakas（尼古拉斯·泽卡斯）最新力作 推荐hyy1115／ES6-learning 实际应用请看前端大神对该书...

3.8 多层感知机 3.8.1 隐藏层 3.8.2 激活函数 3.8.2.1 ReLU函数 3.8.2.2 sigmoid函数 3.8.2.3 tanh函数 3.8.3 多层感知机 小结 3.8 多层感知机 我们已经介绍了包括线性回归和softmax回归在内的单层神经网络。然而深度学习主要关注多层模型。在本节中，我们将以多层感知机（mu...

3.8.3. 多层感知机 3.8.1. 隐藏层 3.8.2. 激活函数 3.8.2.1. ReLU函数 3.8.2.2. sigmoid函数 3.8.2.3. tanh函数 3.8.3. 多层感知机 3.8.4. 小结 3.8.5. 练习 3.8.3. 多层感知机 我们已经介绍了包括线性回归和softmax回归在内的单层神经网络。然而...