5.1 神经元模型 5.1 神经元模型 神经网络中最基本的单元是神经元模型（neuron）。在生物神经网络的原始机制中，每个神经元通常都有多个树突（dendrite），一个轴突（axon）和一个细胞体（cell body），树突短而多分支，轴突长而只有一个；在功能上，树突用于传入其它神经元传递的神经冲动，而轴突用于将神经冲动传出到其它神经元，当树...

6.2. 循环神经网络 6.2.1. 不含隐藏状态的神经网络 6.2.2. 含隐藏状态的循环神经网络 6.2.3. 应用：基于字符级循环神经网络的语言模型 6.2.4. 小结 6.2.5. 练习 6.2. 循环神经网络 上一节介绍的 元语法中，时间步 的词 基于前面所有词的条件概率只考虑了最近时间步的 个词。如果要考虑比 更早时...

微调神经网络超参数 神经网络的灵活性也是其主要缺点之一：有很多超参数要进行调整。 不仅可以使用任何可想象的网络拓扑（如何神经元互连），而且即使在简单的 MLP 中，您可以更改层数，每层神经元数，每层使用的激活函数类型，权重初始化逻辑等等。 你怎么知道什么组合的超参数是最适合你的任务？ 当然，您可以使用具有交叉验证的网格搜索来查找正确的超参数，就像您在前...

循环神经网络 RNN 循环神经网络 RNN 循环神经网络recurrent neural network:RNN ：用于处理序列数据 的神经网络，其中 表示第 个样本。 是一个序列 ，序列的长度可以是固定的、也可以是变化的。 固定的序列长度：对每个样本 ，其序列长度都是常数 。 可变的序列长度：样本 的序列长度 可能不等于样本 ...

5.5 卷积神经网络（LeNet） 5.5.1 LeNet模型 5.5.2 获取数据和训练模型 小结 参考文献 5.5 卷积神经网络（LeNet） 在3.9节（多层感知机的从零开始实现）里我们构造了一个含单隐藏层的多层感知机模型来对Fashion-MNIST数据集中的图像进行分类。每张图像高和宽均是28像素。我们将图像中的像素逐行展开，得到长...

十一、训练深层神经网络 十一、训练深层神经网络 第 10 章介绍了人工神经网络，并训练了我们的第一个深度神经网络。 但它是一个非常浅的 DNN，只有两个隐藏层。 如果你需要解决非常复杂的问题，例如检测高分辨率图像中的数百种类型的对象，该怎么办？ 你可能需要训练更深的 DNN，也许有 10 层，每层包含数百个神经元，通过数十万个连接来连接。 这不会是闲...

5. 卷积神经网络 5. 卷积神经网络 本章将介绍卷积神经网络。它是近年来深度学习能在计算机视觉领域取得突破性成果的基石。它也逐渐在被其他诸如自然语言处理、推荐系统和语音识别等领域广泛使用。我们将先描述卷积神经网络中卷积层和池化层的工作原理，并解释填充、步幅、输入通道和输出通道的含义。在掌握了这些基础知识以后，我们将探究数个具有代表性的深度卷积神经网...

Deeplearning Algorithms tutorial 卷积神经网络(Convolutional Neural Network) 应用示例 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...

从生物到人工神经元 令人惊讶的是，人工神经网络已经存在了相当长的一段时间：它们最初是由神经生理学家 Warren McCulloch 和数学家 Walter Pitts 在 1943 提出。McCulloch 和 Pitts 在其里程碑式的论文中提出了“神经活动内在的逻辑演算”，提出了一个简化的计算模型，即生物神经元如何在动物大脑中协同工作，用逻辑进行复...

使用PyTorch进行神经网络传递 简介 基本原理 导入软件包并选择设备 加载图像 损失函数 内容损失 风格损失 导入模型 梯度下降 使用PyTorch进行神经网络传递 作者 ：Alexis Jacq 编辑 ：Winston Herring 译者：片刻 校验：片刻 简介 本教程介绍了如何实现 由Leon A...