最近正值秋招季，很多同学都在忙着复习深度学习相关的基础知识应对面试和笔试。这段时间，正好发现自己基础知识也比较薄弱，想系统性的复习和整理一下。基于这样一个出发点，最近准备开始一个名为【CV知识点扫盲】的专题文章，帮助自己和更多人复习计算机视觉中的基础知识，也希望能够对正在找工作的同学有帮助。1、什么是激活函数？在神经网络中，一个节点的激活函数(Activation Function)定义了该节点在
什么是激活函数激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。在神经元中，输入的input经过一系列加权求和后作用于另一个函数，这个函数就是这里的激活函数。下图为单个感知机模型的结构，其中即为激活函数，。激活函数的作用对于一个多层感知机，给当一个小批量样本，其批量大小为，输入个数为。假设多层感知机只有一个隐藏层，其中隐藏单元个数
代价函数代价函数（cost function，loss function）作用是确定函数中的最优参数，使得拟合数据点的误差达到最小，即拟合效果最好。 当参数和取不同数值时，假设函 的取值也会相应的改变，以至于损失函数的数值也会发生相应的变化。而我们的目的时让假设函数的拟合效果达到最好，即损失函数䣌数值越小越好。因此我们可以以，和 为坐标轴来建立图像，如下图
转载
2023-07-20 11:19:50
110阅读
激活函数是用来加入非线性因素的，提高神经网络对模型的表达能力，解决线性模型所不能解决的问题深度学习中激活函数的概念激活函数，即Activation Function,有时候也称作激励函数。它是为了解决线性不可分的问题引出的。但是也不是说线性可分就不能用激活函数，也是可以的。它的目的是为了使数据更好的展现出我们想要的效果。激活函数是一种非线性的转换，转换的结果会作为下一层神经元的输入。激活函数决定了
1 什么是激活函数¶
激活函数是深度学习，亦或者说人工神经网络中一个十分重要的组成部分，它可以对神经元的接收信息进行非线性变换，将变换后的信息输出到下一层神经元。激活函数作用方式如下公式所示：
$$y = Activation(\sum\limits_i^N {{w_i} \cdot {x_i} + b} )$$
其中，$Activatio
# 深度学习的docker有什么用
## 引言
深度学习是一种机器学习的技术，它通过模拟人脑神经网络的方式进行训练，能够识别、分类、预测和生成各种数据。在深度学习的实践中，使用docker来部署和管理深度学习环境是一种常见的做法。本文将介绍深度学习的docker的作用以及实现的步骤。
## 流程图
```mermaid
pie
title 深度学习的docker有什么用流程图
文章目录1. 什么是损失函数2. 怎样使用损失函数2.1 回归模型的损失函数2.2 分类模型的损失函数2.3 总结 1. 什么是损失函数损失函数（loss function）是机器学习中非常重要的内容，它是度量模型输出值与目标值的差异，也就是作为评估模型效果的一种重要指标，损失函数越小，表明模型的鲁棒性就越好。2. 怎样使用损失函数在TensorFlow中训练模型时，通过损失函数告诉Tensor
为什么APP需要做漏洞渗透测试服务？现实生活中小企业面对的网络安全风险多种多样。而真正的隐患，是公司觉得自己自身非常安全，却不知道隐患早就渗透到里面。随着安全产业的发展和技术人员安全防范意识的提升，以渗透测试为首的“网络安全防护”已经得到更多认可。渗透测试所作的，便是在隐患真正影响到企业安全前，及时发现处理它。下面豆豆来讲讲为什么APP需要做漏洞渗透测试服务？ 为什么APP需要做漏洞渗透测试服务？
前言 这篇文章首先回答了一个人们都忽略的问题：在神经网络中，一个小小的激活函数为何如此重要？它的作用到底是什么？然后我就目前主流的激活函数做了一个对比讨论，并提出一些建议。激活函数的本质 这里首先引出结论：激活函数是来向神经网络中引入非线性因素的，通过激活函数，神经网络就可以拟合各种曲线。具体解释可以看这篇文章：所以说，如果不使用激活函数，这种情况下每一层输出都是上一层输入的线性函数。无论神经网络
前言：损失函数是机器学习里最基础也是最为关键的一个要素，通过对损失函数的定义、优化，就可以衍生到我们现在常用的机器学习等算法中损失函数的作用：衡量模型模型预测的好坏。正文：首先我们假设要预测一个公司某商品的销售量：X：门店数 Y：销量我们会发现销量随着门店数上升而上升。于是我们就想要知道大概门店和销量的关系是怎么样的呢？我们根据图上的点描述出一条直线：似乎这个直线差不多能说明门店数X和Y得关系了：
在深度学习中，信号从一个神经元传入到下一层神经元之前是通过线性叠加来计算的，而进入下一层神经元需要经过非线性的激活函数，继续往下传递，如此循环下去。由于这些非线性函数的反复叠加，才使得神经网络有足够的capacity来抓取复杂的特征。为什么要使用非线性激活函数？答：如果不使用激活函数，这种情况下每一层输出都是上一层输入的线性函数。无论神经网络有多少层，输出都是输入的线性函数，这样就和只有一个隐藏层
池化（Pooling）池化是使用某一位置的相邻输出的总体统计特征代替网络在该位置的输出，其好处是当输入数据做出少量平移时，经过池化函数后的大多数输出还能保持不变。比如：当识别一张图像是否是人脸时，我们需要知道人脸左边有一只眼睛，右边也有一只眼睛，而不需要知道眼睛的精确位置，这时候通过池化某一片区域的像素点来得到总体统计特征会显得很有用。由于池化之后特征图会变得更小，如果后面连接的是全连接层，能有效
什么~为什么~哪些（RSST）一、什么是激活函数 如下图，在神经元中，输入的 inputs 通过加权，求和后，还被作用了一个函数，这个函数就是激活函数 Activation Function：二、为什么要用激活函数 如果不用激励函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，输出都是输入的线性组合 如果使用的话，激活函数给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数
转载
2023-08-26 08:12:31
1338阅读
点赞
文章目录1 定义2 激活函数的必要性3 常用的激活函数3.1 单位阶跃函数3.2 Logistic函数3.3 Tanh函数3.4 ReLU函数3.5 LeakyReLU函数3.6 Softmax函数4 选择恰当的激活函数 1 定义 激活函数 (Activation functions) 对于人工神经网络模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到神经网络
本文的内容包括：1、激活函数的定义（What）2、激活函数的用途（Why）3、有哪些激活函数，都有什么性质和特点（Which）4、如何选择合适的激活函数(How)1、激活函数的定义（What）首先要了解神经网络的基本模型。单一神经元模型如下图所示：神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值，并将输入值传递给下一层，输入层神经元节点会将输入属性值直接传递给下一
用于多分类, 一...
原创
2022-12-07 14:28:20
89阅读
sigmoid函数原型对于分类任务来说，如果仅仅给出分类的结果，在某些场景下，提供的信息可能并不充足，这就会带来一定的局限。因此，我们建立分类模型，不仅应该能够进行分类，同时，也应该能够提供样本属于该类别的概率。这在现实中是非常实用的。例如，某人患病的概率，明天下雨概率等。因此，我们需要将z的值转换为概率值，逻辑回归使用sigmoid函数来实现转换。什么是sigmoid函数？Sigmoid函数是机
转载
2023-09-28 11:10:32
324阅读
双显卡一直是Linux系统的难题，关于深度系统的双显卡可以参考深度百科上面的介绍。 一下内容复制自深度百科，主要针对Intel+Nvidia双显卡： 独显切换 安装第三方的Bumblebee程序，可实现NVIDIA Optimus，终端中执行：sudo apt-get install bumblebee-nvidia primus #安装Bumblebee-nvidia(适用于闭源驱动),其
最近很多人问我如何0基础学习3D建模，以及3D建模行业的前景如何。今天统一给大家写一篇行业介绍，以及3D建模可以应用到哪些领域。一、应用范围 先解释一下什么是3D建模：总的来说，3D是一种视觉的表现形式，将你脑子里的画面、漫画家手里的漫画、以及各种只存在于设计图纸中的内容，变成更真实的立体模型表现出来。相对于平面来说，你可以调整这个3D模型的结构，以及看到的每一面：前面、后面、上面、下面、里面、外
Ubuntu简介 作为下载量排名第一的Linux发行版，Ubuntu确实有很多与众不同的独特之处。Ubuntu有很多针对不同用户群的分支版本，比如针对教育领域 的Edubuntu,针对习惯KDE桌面用户的Kubuntu,还有为那些显卡性能欠佳的用户推出的纯文本安装版alternate。即使你的集成显卡显 存只有16MB，也能顺利装上最新的版本，虽然一些特效用不了，但不会影响日常使用。另外，U
