注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 【DL学习笔记】打卡02：Task03-05

  2. Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶 Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer Task05：卷积神经网络基础；leNet；卷积神经网络进阶 过拟合、欠拟合及其解决方案 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：69kb
    • 提供者：weixin_38508497

  1. 《动手学深度学习》第二次打卡-学习小队

  2. 一、学习任务： Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶 Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer Task05：卷积神经网络基础；leNet；卷积神经网络进阶 二、学习要点 2.1 过拟合、欠拟合及其解决方案 过拟合：太过贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测/区分了所有的数据，但是在新的测试集上却表现平平 欠拟合：样本不够或者算法不精确，测试样本特性没有学到，不具泛化性，拿到新样本后

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：500kb
    • 提供者：weixin_38613154

  1. ElitesAI·动手学深度学习PyTorch版Task05打卡

  2. 卷积神经网络 神经网络结构： 卷积神经网络是神经网络模型的改进版本，依旧是层级网络，只是层的功能和形式做了变化，如： 卷积神经网络的层级结构 • 数据输入层/ Input layer 　　• 卷积计算层/ CONV layer 　　• ReLU激励层 / ReLU layer 　　• 池化层 / Pooling layer 　　• 全连接层 / FC layer 卷积计算层 这一层就是卷积神经网络最重要的一个层次，也是“卷积神经网络”的名字来源。 在这个卷积层，有两个关键操作： 　　• 局部关

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：705kb
    • 提供者：weixin_38739919

  1. Task 05 打卡

  2. 1. 卷积神经网络基础 卷积神经网络的基础概念，主要是卷积层和池化层，并理解填充、步幅、输入通道和输出通道的含义。 使用Pytorch中的nn.Conv2d类来实现二维卷积层，主要关注以下几个构造函数参数： in_channels (python:int) – Number of channels in the input imag out_channels (python:int) – Number of channels produced by the convolution kernel_

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：358kb
    • 提供者：weixin_38551046

  1. DataWhale组队打卡学习营task05-1 卷积神经网络基础

  2. 卷积神经网络基础 二维卷积层 本节介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影部分分别是输入的第一个计算区域、核数组

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：365kb
    • 提供者：weixin_38696339

  1. 动手学深度学习打卡之二。

  2. 第二次打卡内容（2月15日-18日） Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶（1天） Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer（1天） Task05：卷积神经网络基础；leNet；卷积神经网络进阶（1天） 感觉内容比较多啦，终于看完了。。 下面附上一些学习中查到的资料。 Deep Learning（深度学习）学习笔记整理系列之（一） b站上动手学深度学习 开学前要学完哦！！加油！！ 作者：poppy917

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：28kb
    • 提供者：weixin_38506835

  1. 伯禹学习平台第一次打卡 task05

  2. 卷积神经网络 填充 填充（padding）是指在输入高和宽的两侧填充元素（通常是0元素），图2里我们在原输入高和宽的两侧分别添加了值为0的元素。 图2 在输入的高和宽两侧分别填充了0元素的二维互相关计算 如果原输入的高和宽是nhn_hnh​和nwn_wnw​，卷积核的高和宽是khk_hkh​和kwk_wkw​，在高的两侧一共填充php_hph​行，在宽的两侧一共填充pwp_wpw​列，则输出形状为： (nh+ph−kh+1)×(nw+pw−kw+1) (n_h+p_h-k_h+1)\times

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：144kb
    • 提供者：weixin_38526208