注册 登录
  • 欢迎访问开心洋葱网站,在线教程,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站,欢迎加入开心洋葱 QQ群
  • 为方便开心洋葱网用户,开心洋葱官网已经开启复制功能!
  • 欢迎访问开心洋葱网站,手机也能访问哦~欢迎加入开心洋葱多维思维学习平台 QQ群
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏开心洋葱吧~~~~~~~~~~~~~!
  • 由于近期流量激增,小站的ECS没能经的起亲们的访问,本站依然没有盈利,如果各位看如果觉着文字不错,还请看官给小站打个赏~~~~~~~~~~~~~!

标签:神经网络

TensorFlow处理数据常用套路

TensorFlow处理数据常用套路   ……

tensorflow的RNN(递归神经网络)

tensorflow的RNN(递归神经网络) 运行结果   ……

tensorflow的dropout 防止过拟合

tensorflow的dropout 防止过拟合 原文链接:https://github.com/MorvanZhou/Tensorflow-Tutorial 训练前自己的数据   ……

基于tensorflow的一元线性回归详细讲解

基于tensorflow的一元线性回归详细讲解 官方代码: https://github.com/MorvanZhou/Tensorflow-Tutorial/blob/master/tutoria……

SLAM+语音机器人DIY系列:(七)语音交互与自然语言处理——1.语音交互相关技术

摘要 这一章将进入机器人语音交互的学习,让机器人能跟人进行语音对话交流。这是一件很酷的事情,本章将涉及到语音识别、语音合成、自然语言处理方面的知识。本章内容: 1.语音交互相关技术 2.机器人语音交互实现 3.自然语言处理云计算……

tensorflow的CNN

tensorflow的CNN ……

神经网络从0到1(二)——车牌识别(cv部分)

引言 接上篇,我们搭建完了环境,并下载好所需要的功能包后,我们需要对图像首先进行一个预处理,由于是教大家入门pytorch,因此CV部分的预处理……

神经网络从0到1(三)——字符分割(cv部分)

引言 接上篇,这部分是图像预处理的后百分之五十的工作,也就是把上期代码识别出的车牌进行字符分割。 下面进入正题~ ……

神经网络从0到1(四)——数据集搭建

引言 在前面部分的预处理中,我们总共完成了以下的功能,在图片中框出车牌部分,并将识别出来的车牌进行二值化处理,再进行字符分割。 到此,我们便可以……

神经网络从0到1(五)——搭建神经网络(上)

引言 这部分可以说是独立于我们整个项目的一小节,不过也是极为重要的一小节,这一节的学习可以帮助我们去了解神经网络。我们用一个很简单的例子进行参考……

神经网络从0到1(六)——搭建神经网络(下)

引言 前面带大家搭建了一个简单的神经网络进行曲线拟合,现在通过大家对神经网络的初步了解,我们今天将进行更深入的学习。 ……

十分钟掌握Pytorch搭建神经网络的流程

最近发现身边的一些初学者朋友捧着各种pytorch指南一边看一边敲代码,到最后反而变成了打字员。   敲完代码一运行,出来结果和书上一对比,哦,是书上的结果,就翻到下一章。半天就能把一本书都打完,但是合上书好像什么都不记得。有的甚至看了……

【机器学习】普通神经网络应用(代码)

一、什么是神经网络   神经网络是一种以人脑为模型的机器学习,简单地说就是创造一个人工神经网络,通过一种算法允许计算机通过合并新的数据来学习。 以人脑中的神经网络为启发,历史上出现过很多不同版本最著名的算法是1980年的 backpropagation……

【tensorflow2.0】fashion mnist 数据集训练

数据集介绍   使用Fashion MNIST数据集,其中包含10个类别的70,000个灰度图像。图像显示了低分辨率(28 x 28像素)的单个衣​​物,如下所示(图片来自tensorflow官方文档):  ……

实战Omniglot数据集识别(手写数字MNIST升级版)

实战Omniglot数据集识别(手写数字MNIST升级版)   目录实战Omniglot数据集识别(手写数字MNIST升级版)……

Tensorflow lesson 1—第一个机器学习的代码

神经网络,机器学习,可以说是现在最流行的计算机技术,TensorFlow是谷歌开源的机器学习框架,听起来就很高大上,很难学习,不幸的是国内的一些教程都是原文翻译谷歌官方教程,非常难以学习,所以本系列教程就是用比较容易懂的语言来教大家什么tensorflow。   首先t……

【深度学习实战】从零开始深度学习(一):利用PyTorch开始深度学习

参考资料:   《Pytorch深度学习》(人民邮电出版社)第三章 深入了解神经网络 《Pytorch深度学习》(人民邮电出版社)第四章 机器学习基础Pytorch官方文档……

深度学习模型调优方法详细解析(Deep Learning学习记录)

深度学习模型的调优,首先需要对各方面进行评估,主要包括定义函数、模型在训练集和测试集拟合效果、交叉验证、激活函数和优化算法的选择等。   那如何对我们自己的模型进行判断呢?——通过模型训练跑代码,我们可以分别从训练集和测试集上看到这个模型造成的损失大小(loss),还有……

【四足机器人】强化学习实现minitaur运动控制(介绍篇)

一、minitaur 简介   这是来自宾夕法尼亚大学的一款机器人,叫 Minitaur,看图你就明白了。  ……

【四足机器人】强化学习实现minitaur运动控制(决策模型篇)

文章目录   模型概要1、状态、决策空间(略)2、奖励函数3……

CNN卷积神经网络原理详解(下)

CNN卷积神经网络原理详解(下)   反向传播前向传播过程反向传播过程……

【深度学习实战】从零开始深度学习(四):RNN与自然语言处理

参考资料:《PyTorch深度学习》(人民邮电出版社)第6章 序列数据和文本的深度学习PyTorch官方文档……

ROS整合谷歌tensorflow实现物体识别

目前机器人行业最火的ROS,人工智能/机器学习方面相对较火的tensorflow,两者结合肯定是让机器人锦上添花,功能更加丰富完善。   正好在GitHub上看到了tensorflow的ROS功能包,验证功能包可行性之后,给大家分享一下。   先看一下效果: ……

【深度学习实战】《深入浅出图神经网络》GCN实战(pytorch)

目录   1. 前言2. 数据预处理——CoraData类的定义3. GCN层定义……

Pytorch1.0的(C++ & cpu)版本在Windows上的使用

之前一直用Pytorch做的网络训练,最近想看看训练出来的模型在C++上的表现(毕竟稍微注重效率的工程都用的C++写),因此花了点时间研究了一波。   因为PyTorch的Python版本和C++版本使用的文件描述有区别,因此需要先把Python版本训练的模型转换成To……

【深度学习实战】GraphSAGE(pytorch)

目录   1. 采样(sampling.py)2. 聚合(net.py)3. Grap……

深度学习番外篇—WIN10+PyTorch0.4.0+CUDA9.1环境配置

不久前PyTorch0.4.0官方支持了Windows,可谓是感天动地,于是乘比较空闲的时间搭搭环境,顺便做下记录。   ……

深度学习1—最简单的全连接神经网络

本文有一部分内容参考以下两篇文章:   一文弄懂神经网络中的反向传播法——BackPropagation ……

深度学习3—用三层全连接神经网络训练MNIST手写数字字符集

上一篇文章:深度学习2—任意结点数的三层全连接神经网络   距离上篇文章过去了快四个月了,真是时光飞逝,之前因为要考博所以耽误了更新,谁知道考完博后之前落下的接近半个学期的工作是……

相对熵(KL散度)

上一篇文章我们简单介绍了信息熵的概念,知道了信息熵可以表达数据的信息量大小,是信息处理一个非常重要的概念。……

GAN生成对抗式神经网络数学推导

由上面一篇文章我们已经知道了,如果我们从真实数据分布里面取n个样本,根据给定样本我们可以列出其出现概率的表达式,那么生成这N个样本数……

琴生(jensen)不等式

在Gan生成对抗神经网络中会用到Jensen不等式,因此做下记录。Jensen不等式告诉我们:如果f ff是在区间[ a , b ] 上的凸函数(就是导数一直增长的函数,或者说是导数的导数大于0的函数),x 是随机变量,那么有:……

yolo-v3模型测试及测试结果转化

yolo-v3模型测试及测试结果转化文章目录yolo-v3模型测试及测试结果转化1.制作2019_test.txt文件2. 修改./……

机器学习 逆向传播探索神经网络(人工神经网络到底学到了什么)

本文参考《Python神经网络编程》的相关章节上文中我们使用神经网络实现对手写数字的识别,那我们反向的给出一个标签,即给出[1, 0, 0, 0, 0, 0, 0, 0, 0, 0],从输出反向推导出输入,应该是什么样子呢?其实可以想象得……

yolov5训练自己的数据集(一文搞定训练)

目录1 yolov51.1 环境配置2 数据集制作1 yolov51.1 环境配置2 数据集制作首先建立一个自己的数据文件夹:mycoco其目录结构如下:mycoco├── Annotations├── images├── ImageSets├── labels├── make_txt.py└── voc_label.py其中images文件夹下放置所有图片……

……
加载中……