原创
2021-09-08 09:58:22
151阅读
深度压缩 Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding目录介绍网络剪枝 Pruning量化 QuantizationHuffman Codingexperiencediscussions介绍论文：Deep Compression: Co
0-写在前面随机森林，指的是利用多棵树对样本进行训练并预测的一种分类器。该分类器最早由Leo Breiman和Adele Cutler提出。简单来说，是一种bagging的思想，采用bootstrap，生成多棵树，CART（Classification And Regression Tree）构成的。对于每棵树，它们使用的训练集是从总的训练集中有放回采样出来的，这意味着，总的训练集中的有些样本可能
之前提到，深度神经网络在训练中容易遇到梯度消失/爆炸的问题，这个问题产生的根源详见之前的读书笔记。在 Batch Normalization 中，我们将输入数据由激活函数的收敛区调整到梯度较大的区域，在一定程度上缓解了这种问题。不过，当网络的层数急剧增加时，BP 算法中导数的累乘效应还是很容易让梯度慢慢减小直至消失。这篇文章中介绍的深度残差 (Deep Residual) 学习网络可以说根治了这种
deeplearning4j是基于java的深度学习库，当然，它有许多特点，但暂时还没学那么深入，所以就不做介绍了需要学习dl4j，无从下手，就想着先看看官网的examples，于是，下载了examples程序，结果无法运行，总是出错，如下：查看一周的错误，也没有成功，马上就要放弃了，结果今天在论坛一大牛指导下，终于成功跑起，下面，将心酸的环境配置过程记录如下，以备自己以后查阅，同时，也希望各种高
论文收集方法检索了所有带depth的标题的论文，争取没有遗漏的筛选深度估计相关论文 下面进行分类单纯有监督深度估计uncertainty aware cnns for depth completion: uncertainty from beginning to end 有监督深度补全，给出了不确定性度量generating and exploiting probabilistic monocul
前言最近在实践知识图谱的过程中，发现阿里目前在神马搜索构建知识图谱的过程使用了deepdive进行了关系抽取，另外就是利用深度学习PCNNs进行关系抽取。通过在对deepdive进行了解的过程中，deepdive非常适合信息抽取，是构建知识库的利器。能够基于词性标注、句法分析等通过各种文本规则实现实体之间关系的抽取，同时可面向异构、海量的数据。这里会重点介绍deepdive各个方面涉及的原理和概念
推荐系统（五）wide&deep模型
这篇博客主要介绍谷歌于2016年发表在RecSys上的一篇文章，俗话说：谷歌家出品，必属精品。这篇文章提出的模型wide&deep着实对推荐系统领域有着非常大的影响，启发了后面几年推荐系统领域的一些工作，比如：deep&cross，deepFM等。这篇文章也是秉承着G家文章一贯的风格【大道至简，非常关注工程
记录学习网址，占个茅坑：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.htmlhttps://morvanzhou.github.io/tutorials/machine-learning/keras/ ...
转载
2018-05-13 21:44:00
151阅读
2评论
Deep Learning
Content
One 深度学习原理（上）
1.1
1.2
1.3 用K近邻来进行图像分类
1.4
Two 深度学习原理（下）
2.1
2.2
2.11 RNN网络结构
2.12 RNN网络细节
2.13 Python实现RNN算法
2.14 LSTM网络结构简介
2.15
2.19 训练技巧之Transfer Learni
原创
2021-07-22 10:06:47
243阅读
简介深度学习(人工神经网络的研究的概念) 深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终
摘要：卷积神经网络推算过程在计算和存储的消耗上都存在瓶颈。尤其将模型部署在边缘设备上，比如手机。甚至，卷积神经网络在高性能服务器上的训练也是高消耗的，尤其是卷积层和全链接层的乘法运算。为了减轻这个总是，本文提出通过卷积移位和全链接移位代替乘法运算。提出两个移位模型DeepShift-Q和DeepShift-PS。转换ResNet18、ResNet50、VGG16、GoogleNet为移位模型并时行
这篇文章开篇就指出，我们的模型是要从人体动作的序列中选取出最informative的那些帧，而丢弃掉用处不大的部分。但是由于对于不同的视频序列，挑出最有代表性的帧的方法是不同的，因此，本文提出用深度增强学习来将帧的选择模拟为一个不断进步的progressive process。这篇文章处理的问题是skeleton based action recognition，提出的模型的示意图如下： 
Deep Sx which is indicated by slp_sus#.after enable this fuction will meet the EUP requested.
原创
2017-09-01 16:39:38
2550阅读
1. 概述算法原理它涵盖了深度CTR模型最典型的要素，即通过加入embedding层将稀疏特征转化为低维稠密特征，用stacking layer，或者叫做concat layer将分段的特征向量连接起来，再通过多层神经参考文献[1]
原创
2023-06-14 21:02:03
55阅读
Deep Linux是一个基于Linux内核和自由软件的操作系统。它由社区开发，并遵循开放源代码的精神。Deep Linux的目标是提供一个安全、稳定、高效的操作系统，以满足各种用户的需求。
Deep Linux是一个开放源代码的操作系统，这意味着它的源代码是公开的，任何人都可以查看、修改和分享。这使得Deep Linux具有高度的透明性和可定制性，用户可以根据自己的需要进行定制和优化。
De
所谓对象浅拷贝，拷贝的是对象的内存地址，深拷贝，是对将对象里的内容拷贝出来并放到一个新的对象中，二者的区别是，修改原对象时，浅拷贝会跟着修改，深拷贝对象不受原对象的影响。在一些多线程和并发的场景中经常会牵涉到对象的拷贝。 这里以一个简单的例子，总结下深拷贝的方式。package deepclone.deepclone;
public clas
2.1 神经网络的第一次接触让我们看一下神经网络的实例，这个神经网络使用了python库Keras来学习识别手写数字。除非你已经有了关于Keras或者相似的库的经验，你不会明白立刻明白第一个例子的所有东西。你可能还没有装Keras；这没关系，在下一章里，我们会回顾这个例子中的每一个元素，并详细的解释它们。所以如果看到一些看起来专业或者看上去就像是魔法的东西，你也不用担心！我们必须从某个地方开始。这
浅谈深度学习(Deep Learning)的基本思想和方法
分类： 机器学习 信息抽取 Deep Learning2013-01-07 22:18 25010人阅读 评论(11) 收藏 举报
深度学习（Deep Learning），又叫Unsupervised Feature Learning或者Feature Learning，是目前非常热的一个研究主题。
第二章主要介绍如何使用PyTorch加载预训练模型，包括预训练的残差网络、生成对抗网络和图像理解网络。 使用预训练模型的好处一方面是当我们没有足够的GPU支持时，可以使用别人已经预训练好的模型，如果恰好预训练采用的数据集包含我们自己需要解决的问题的数据，就可以直接使用自己的图片进行预测。个人入门深度学习是需要解决视频行人检测的问题，但由于没有GPU的支持，只能使用Google已经预训练好
转载
2023-08-04 19:59:45
167阅读
