9.5. 多尺度目标检测 9.5.1. 小结 9.5.2. 练习 9.5. 多尺度目标检测 在“锚框” 一节中，我们在实验中以输入图像的每个像素为中心生成多个锚框。这些锚框是对输入图像不同区域的采样。然而，如果以图像每个像素为中心都生成锚框，很容易生成过多锚框而造成计算量过大。举个例子，假设输入图像的高和宽分别为561像素和728像素，如果以每个...

网络搭建 基于 functional 搭建网络 基于 Module 搭建网络 网络搭建 在 基本概念 中我们介绍了计算图、张量和算子，神经网络可以看成一个计算图。在 MegEngine 中，我们按照计算图的拓扑结构，将张量和算子连接起来，即可完成对网络的搭建。MegEngine 提供了基于 functional 和基于 Module...

生成对抗网络 说明: 背景介绍 效果展示 模型概览 GAN DCGAN 数据准备 训练模型 加载包 定义辅助工具 定义超参数 定义网络结构 损失函数 创建Program 数据集 Feeders 配置 创建执行器 开始训练 总结 参考文献 生成对抗网络 本教程源代码目录在book/09.gan，初次使用请您参考Bo...

生成对抗网络 说明: 背景介绍 效果展示 模型概览 GAN DCGAN 数据准备 训练模型 加载包 定义辅助工具 定义超参数 定义网络结构 损失函数 创建Program 数据集 Feeders 配置 创建执行器 开始训练 总结 参考文献 生成对抗网络 本教程源代码目录在book/09.gan，初次使用请您参考Bo...

循环层Recurrent Recurrent层 参数 输入shape 输出shape 例子 指定RNN初始状态的注意事项 屏蔽输入数据（Masking） 使用状态RNN的注意事项 SimpleRNN层 参数 参考文献 GRU层 参数 参考文献 LSTM层 参数 参考文献 ConvLSTM2D层 参数 输入shape 输出...

使用飞桨探索电影推荐 数据集介绍 如何实现推荐 如何获得有效特征 从原始特征到特征向量之间是怎样设计的？ 使用飞桨探索电影推荐 本章我们探讨基于深度学习模型实现电影推荐系统，同时利用用户特征、电影特征和用户对电影的评分数据。 在开始动手实践之前，我们先来分析一下数据集和模型设计方案。 数据集介绍 个性化推荐算法的数据大多是文本和...

Embedding介绍 Embedding介绍 Embedding是一个嵌入层，将输入的非负整数矩阵中的每个数值，转换为具有固定长度的向量。 在NLP任务中，一般把输入文本映射成向量表示，以便神经网络的处理。在数据处理章节，我们已经将用户和电影的特征用数字表示。嵌入层Embedding可以完成数字到向量的映射。 飞桨已经支持Embedding的A...

深度学习框架 深度学习框架优势 深度学习框架设计思路 深度学习框架 近年来深度学习在很多机器学习领域都有着非常出色表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者节省大量而繁琐的外围工作，更聚焦业务场景和模型设计本身。 深度学习框架优势 ...

前言 包含代码、数学、网页、讨论的统一资源 从在线课程到纸质书 致谢 教学资源和反馈 前言 就在几年前，不管在大公司还是创业公司，都鲜有工程师和科学家来将深度学习应用到智能产品与服务中。作为深度学习前身的神经网络，才刚刚摆脱被机器学习学术界认为是过时工具的印象。那个时候，即使是机器学习也非新闻头条的常客。它仅仅被看作是一门具有前瞻性，并拥有一...