查询到最新的12条

PyTorch深度学习

这本PyTorch深度学习图书,是2019-04-01月由人民邮电出版社所出版的,著作者信息: [印度] 毗湿奴·布拉马尼亚(Vishnu Subramanian) 著,王海玲,刘江峰 译,本版是第1次印刷, ISBN:9787115508980,品牌:异步图书, 这本书的包装是16开平装,所用纸张为胶版纸,全书页数193,字数有万字, 是本值得推荐的Python软件开发图书。此书内容摘要 PyTorch是Facebook于2017年初在机器学习和科学计算工具Tor 继续阅读

图像处理神经网络python_深度学习使用Python进行卷积神经网络的图像分类教程

深度学习使用Python进行卷积神经网络的图像分类教程 好的,这次我将使用python编写如何使用卷积神经网络(CNN)进行图像分类。我希望你事先已经阅读并理解了卷积神经网络(CNN)的基本概念,这里我只讨论步骤,而不讨论卷积神经网络(CNN)中使用的术语... 我们将尝试对汽车和摩托车这两个类别进行分类。我们使用的训练数据数量是470个,用于测试/验证的数 继续阅读

scratch lenet(7): C语言计算可学习参数数量和连接数量

scratch lenet(7): C语言计算可学习参数数量和连接数量 1. 目的 按照 LeNet-5 对应的原版论文 LeCun-98.pdf 的网络结构,算出符合原文数据的“网络每层可学习参数数量、连接数量”。 网络上很多人的 LeNet-5 实现仅仅是 “copy” 现有的别人的项目, 缺乏“根据论文手动实现”的“复现”精神。严格对齐到论文结果,对于 LeNet-5 这样的经典论文, 是可以做到的。 具体实现使用 C 语言& 继续阅读

深入理解深度学习——BERT(Bidirectional Encoder Representations fr

分类目录:《深入理解深度学习》总目录 BERT是由堆叠的Transformer Encoder层组成核心网络,辅以词编码和位置编码而成的。BERT的网络形态与GPT非常相似。简化版本的ELMo、GPT和BERT的网络结构如下图所示。图中的“Trm”表示Transformer Block,即基于Transformer的特征提取器。 ELMo使用自左向右编码和自右向左编码的两个LSTM网络,分别以 P ( w i ∣ w 1 , w 继续阅读

王道计算机网络学习笔记(3)——数据链路层

前言 文章中的内容来自B站王道考研计算机网络课程,想要完整学习的可以到B站官方看完整版。 三:数据链路层 3.1:数据链路层功能概述 结点:主机、路由器 链路:网络中两个结点之间的物理通道,链路的传输介质主要有双绞线、光纤、微波。分为有线链路和无线链路 数据链路:网络中两个结点之间的逻辑通道,把实现控制数据传输协议的硬件和软件加到链路上就构成数据链路 帧&#xff1a 继续阅读

Python高级数据分析:机器学习、深度学习和NLP实例

推荐编程书籍:Python高级数据分析:机器学习、深度学习和NLP实例,由机械工业出版社2019-01-01月出版发行,本书编译以及作者信息 为:萨扬·穆霍帕迪亚(Sayan Mukhopadhyay) 著,罗佳 译,此次为第1次发行, 国际标准书号为:9787111617020,品牌为机工出版, 这本书采用平装开本为16开,纸张采为胶版纸,全书共有156页字数万字,是本Python 编程相关非常不错的书。此书内容摘要本书介绍高级数据分析概念的广泛基础,以及*近的数据库革 继续阅读

GPU服务器与FPGA云服务器有什么区别?

GPU 云服务器 (GPU Cloud Computing)是基于 GPU 应用的计算服务,具有实时高速的并行计算和浮点计算能力,适应用于 3D 图形应用程序、视频解码、深度学习、科学计算等应用场景。我们提供和标准云服务器一致的管理方式,有效解放您的计算压力,提升产品的计算处理效率与竞争力。 FPGA 云服务器 (FPGA Cloud Computing)是基于FPGA(Field Programmable Gate Array)现场可编程阵 继续阅读

深度学习入门 基于Python的理论与实现

推荐编程书籍:深度学习入门 基于Python的理论与实现,由人民邮电出版社2018-07-01月出版发行,本书编译以及作者信息 为:斋藤康毅 著,陆宇杰 译,此次为第1次发行, 国际标准书号为:9787115485588,品牌为人民邮电出版社, 这本书采用平装开本为大32开,纸张采为胶版纸,全书共有285页字数万字,是本Python 编程相关非常不错的书。此书内容摘要 本书是深度学习真正意义上的入门书,深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3 继续阅读

「多层感知机」手把手带你0基础学懂弄通多层感知机思路【深度学习】附源码及解析

「多层感知机」手把手带你0基础学懂弄通多层感知机【深度学习】附源码及解析 文章目录「多层感知机」手把手带你0基础学懂弄通多层感知机【深度学习】附源码及解析前言一、多层感知机是什么?二、预备知识1.模型组成(划重点)2、Fashion-MNIST数据集三、数据集预处理1、明确问题2、下载数据集四、多层感知机的简洁实现1、导入必要的库2、网络搭建3、确定批量大小、学习率、迭代次数4、确定损失函数5、确定优化器6、确定加载数据集方法7、实现8、 继续阅读

深度学习实例分割篇——Mask RCNN原理详解篇

  深度学习实例分割篇——Mask RCNN原理详解篇 写在前面 在前面的文章中,我已经为大家介绍过深度学习中的物体分类、目标检测和语义分割,感兴趣的可以进入我的主页了解详情。我尽量通俗的为大家介绍各种网络结构原理,并配合代码帮助大家深入理解,感兴趣的快来和我一起学习吧,让我们共同进步。🥂🥂🥂 今天为大家讲解Mask RCNN的原理,在阅 继续阅读