榜单
服务器优惠
AI论文
-
5.6 深度卷积神经网络（AlexNet）
5.6 深度卷积神经网络（AlexNet） 5.6.1 学习特征表示 5.6.1.1 缺失要素一：数据 5.6.1.2 缺失要素二：硬件 5.6.2 AlexNet 5.6.3 读取数据 5.6.4 训练 小结 参考文献 5.6 深度卷积神经网络（AlexNet） 在LeNet提出后的将近20年里，神经网络一度被其他机器学习方法超越，... -
脉冲神经网络(Spiking Neural Network)
Deeplearning Algorithms tutorial 脉冲神经网络(Spiking 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，覆盖无人驾驶、智能助手... -
二、神经网络最优化挑战
二、神经网络最优化挑战 2.1 病态黑塞矩阵 2.2 局部极小值 2.3 鞍点 2.4 悬崖 2.5 长期依赖 2.6 非精确梯度 2.7 局部和全局结构的弱对应 二、神经网络最优化挑战 机器学习中，通常会仔细设计目标函数和约束，从而保证最优化问题是凸的。但是神经网络中，通常遇到的都是非凸的最优化问题。 2.1 病态黑塞矩阵 ... -
5.5. 卷积神经网络（LeNet）
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 5.5.3. 小结 5.5.4. 练习 5.5.5. 参考文献 5.5. 卷积神经网络（LeNet） 在“多层感知机的从零开始实现” 一节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... -
递归神经网络(Recurrent Neural Network)
Deeplearning Algorithms tutorial 递归神经网络(Recurrent 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，覆盖无人驾驶、智能... -
使用神经网络识别手写数字
使用神经网络识别手写数字 使用神经网络识别手写数字 人类的视觉系统是世上的一个奇迹。考虑以下这串手写的数字： 大部分人都能轻易地识别出图上的数字是504192。这个看似简单的过程的背后，实际上很复杂。在我们大脑的每个脑半球中，有一个叫做初级视皮层（primary visual cortex）的部分，也被称作V1。它拥有1亿4千万个神经元，包含了... -
3. 神经网络的优化
神经网络的优化 参考文献 神经网络的优化 网络的优化分为几个方面：包括网络准确率的优化、网络速度的优化、模型大小的优化，有些时候我们最求其中的某一方面，有些时候我们需要综合考虑各个方面，选取一个适合自己的方案。我们这里引用几个讲解详细的博客，加入我们自己的实际经验，记录一下我们在模型优化方面一些理解。 参考文献 [1] https://zhu... -
6.10. 双向循环神经网络
6.10. 双向循环神经网络 6.10.1. 小结 6.10.2. 练习 6.10. 双向循环神经网络 之前介绍的循环神经网络模型都是假设当前时间步是由前面的较早时间步的序列决定的，因此它们都将信息通过隐藏状态从前往后传递。有时候，当前时间步也可能由后面时间步决定。例如，当我们写下一个句子时，可能会根据句子后面的词来修改句子前面的用词。双向循环神... -
人工神经网络(Artificial Neural Network)
Deeplearning Algorithms tutorial 人工神经网络(Artificial Neural Network) 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... -
用 PyTorch 做 神经转换 (Neural Transfer)
用 PyTorch 做 神经转换 (Neural Transfer) 介绍 题中的神经描述的是什么? 它是如何工作的? 好吧, 它具体是怎么工作的? PyTorch 实现 包 Cuda 读取图像 显示图像 内容损失 风格损失 读取神经网络 输入图像 梯度下降 用 PyTorch 做 神经转换 (Neural Transfe...