本章的目的是学会使用神经网络来解决实际问题。3.1 神经网络剖析训练神经网络主要围绕以下几个方面：(1)层，多个层组合成网络。(2)输入数据和相应的目标(3)损失函数，即用于学习的反馈信号(4)优化器，决定学习过程如何进行。这四者的关系如下图所示： 3.1.1 层：深度学习的基础组件层是神经网络的基本数据结构，是一个数据处理模块，将一个或多个输入张量转换为一个或多
转载
2021-01-22 10:21:00
95阅读
文章目录1. 数据加载2. 数据处理3. 模型构建4. 模型编译5. 模型训练6. 模型测试7. 模型保存总结 使用手写数字的MNIST数据集如上图所示，该数据集包含60,000个用于训练的样本和10,000个用于测试的样本，图像是固定大小(28x28像素)，其值为0到255。整个案例的实现流程是：数据加载数据处理模型构建模型训练模型测试模型保存首先要导入所需的工具包：# 导入相应的工具包
im
转载
2023-11-07 06:33:50
139阅读
使用手写数字的MNIST数据集如上图所示，该数据集包含60,000个用于训练的样本和10,000个用于测试的样本，图像是固定大小(28x28像素)，其值为0到255。整个案例的实现流程是：数据加载数据处理模型构建模型训练模型测试模型保存首先要导入所需的工具包：# 导入相应的工具包
import numpy as np
import matplotlib.pyplot as plt
plt.rcPa
转载
2023-06-04 19:37:10
151阅读
目录前言调用Model高阶API进行训练和保存模型文件 Resnet18网络结构 图解代码详解----基于Jupternotebook案例补充前言本案例实践参考AI Gallery-开发者-华为云因为神经网络训练步骤类似，就只总结相关代码和Resnet18网络结构。类似训练步骤可参考调用Model高阶API进行训练和保存模型文件 此部分按照AI Gallery-开发者
转载
2024-01-15 19:05:30
82阅读
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
#Numpy是一个科学计算的工具包，这里通过Numpy工具包生成模拟数据集，也可以从已有的文件中导入数据
from numpy.random import RandomState
#定义训练数据batch的大小
batch_size = 8
转载
2023-09-21 06:20:31
41阅读
的Θ（1）矩阵的且，或，非：我们可以把这些拿到”同“逻辑运算符（如果X1和X2都是0或1则为1）。 在第一层和第二层之间的过渡，我们将使用一个Θ（1）相结合的和矩阵： 第二和第三层之间的过渡，我们将使用一个Θ（2）矩阵的使用价值或： 让我们写下我们所有的节点的值：我们有了同或算子使用隐藏层节点！下面总结上述算法：
转载
2017-08-09 15:00:00
106阅读
目录一、引言二、代码实战1、Tensor和初始化类2、全连接层3、模型组网4、SGD优化器5、均方差损失函数6、Dataset三、线性回归实战四、实验结果五、总结一、引言深度学习理论相对简单，但是深度学习框架（tensorflow/torch/paddlepaddle）源码却比较复杂，对于初学者来说，将代码和理论相结合理解是一个巨大的问题，本文的目标是使用python的numpy库从零开始实现一个
转载
2024-02-29 17:01:51
46阅读
目录 卷积有什么作用？卷积核步长填充参数共享池化整体卷积流程卷积有什么作用？左图为BP神经网络，右图为卷积神经网络。BP网络训练连接线的参数，卷积训练卷积核的参数卷积网络到底做了一件什么事呢？其实就是提取特征 ，那么又是如何提取的呢？概括的来说：输入一副h*w*c的图像，通过k*k*c的卷积核在原始图像上进行滑动，滑动的过程中对图像进行计算，得到新的特征图，周而复始。比如下图输
转载
2023-08-21 16:00:37
72阅读
# **神经网络实战**
神经网络是一种模拟人脑工作方式的计算模型，可以应用于图像分类、语音识别、自然语言处理等众多领域。本文将介绍神经网络的基本概念，并用Python代码实现一个简单的神经网络。
## **神经网络基础**
神经网络由神经元（neuron）构成，每个神经元接收输入信号并通过激活函数进行处理，然后将输出传递给下一层的神经元。神经元之间的连接权重决定了信号的传递强度。
神经网
原创
2023-08-02 10:22:54
18阅读
书接LSTM的介绍，这一节来介绍GRU。GRU（Gate Recurrent Unit）是循环神经网络（Recurrent Neural Network, RNN）的一种。和LSTM（Long-Short Term Memory）一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。
转载
2023-12-11 22:37:03
58阅读
本次要实现的是一个更复杂的神经网络，虽然模型看起来很复杂，但是我们为了减少代码冗余，和提高代码的复用性，所以我们可以将结构相同的神经网络定义成一个类，提高代码的复用性，使代码更加简洁。我们要实现的神经网络结果图，如下图所示： 如果理解了上面的图片，那现在写代码就很简单了，我这里先对实现Inception Modele的模型类进行说明。首先，因为我们后面需要将4个分路上的通道数连接，因此不
转载
2024-02-19 11:08:52
649阅读
深度学习基础上篇（3）神经网络案例实战 第一课:开发环境的配置Anaconda的安装 库的安装Windows下TensorFlow的安装Jupyternotebook 可视化方便，但不能debug 第二课：IDE的使用PyCharmEclipce的下载安装环境配置 第三课：一个简单的神经网
转载
2023-05-30 17:12:07
564阅读
前言自从学习CNN以来，已经介绍了两个基于CNN的卷积神经网络了： LeNet是最基础的CNN神经网络，是上个世纪的产物，可以解决一些简单的问题； AlexNet是随着算力提高而升级的CNN神经网络，十年前的产物，可以解决一些复杂的问题，而且效果可以超越当时的机器学习算法。 我们回忆一下AlexNet这个网络，他首先用了两层卷积层+池化层，然后用了三层卷积层+一层池化层，可是为什么要那么去做，所有
转载
2023-10-11 10:04:52
91阅读
BP神经网络原理及编程实现_哔哩哔哩_bilibili1、python的一个用法：data[:,1:25]详解：data是一个数组，data[ 行,列 ]。然后是：，若省略则是0:100（全部数据），而0：-1则是除去最后一个数据的其他数据，因为-1代表最后一位的索引，而python中取左不取右。综上，这个的意思是取从第2列到第25列一共24列的数据（左边省略即行全取）2、数组的技巧，常用.sha
转载
2023-08-14 14:34:26
52阅读
看了一段时间吴恩达老师的深度学习微课程，收获较大，这阶段做个总结。算法开发包含算法框架开发、网络结构开发及改进、算法应用优化及模型训练、网络模型压缩这几个方向。今天主要总结下网络结构开发及改进方面相关的。模型开发一般包含3方面工作，新网络结构提出、现有网络功能单元增加、现有网络的局部算法优化：解决某一类问题的新的网络结构提出新的算法模型的开发一般为了解决几
转载
2023-10-24 07:31:19
72阅读
神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。一、前言1、分类神经网络最重要的用途是分类，为了让大家对分类有个直观的认识，先看几个例子：垃圾邮件识别：现在有一封电子邮件，把出现在里面的所有词汇提取出来，送进一个机器里，机器需要判断这封邮件是否是垃圾邮件。疾病判断：病人到医院去做了一大堆肝功、尿检测验，把测验结果送进一个机器里，机器需要判断这个病人是否得病，得的什么病。猫狗分
转载
2023-05-24 17:13:42
106阅读
最近一直在看使用卷积神经网络进行文本分类和图像识别相关的内容，自己也做了一些简单的实践，这里做一下小结。 使用全连接神经网络进行简单的文本分类 这里使用了一个规模非常小的数据集，分为电影的负面评论、正面评论，每一个数据集大概有5000条数据，数据量很小，也不需要使用很复杂的神经网络，这里只用了一个包含一个隐藏层的全连接神经网络。 首先是要对数据进行预处理，这里使用了nltk这个工具包，首先把
转载
2023-12-18 23:39:48
33阅读
文章目录图神经网络1 游走类模型1.1 DeepWalk随机游走DeepWalk计算节点向量的方式：1.2 Node2VECnode2vec改进后的随机游走方式：1.3 LINE2 消息传递类模型2.1 GCN2.2 GAT2.3 GraphSageGraphSAGE 的采样方法：GraphSAGE 的聚合函数：Mean aggregatorLSTM aggregatorPooling aggr
转载
2023-08-28 13:34:49
119阅读
1 超大图上的节点表征学习1.1 简述在十分庞大（节点数极多）的图上，图神经网络训练所需要的计算资源相当多，会极大地消耗计算机内存及显卡显存，这对使用者的设备带来过大的要求。图神经网络已经成功地应用于许多节点或边的预测任务，然而，在超大图上进行图神经网络的训练仍然具有挑战。普通的基于SGD的图神经网络的训练方法，要么面临着随着图神经网络层数增加，计算成本呈指数增长的问题，要么面临着保存整个图的信息
转载
2023-10-05 15:06:58
269阅读
1 图节点表征学习即学习图中节点上的特征。在节点预测任务中，我们拥有一个图，图上有很多节点，部分节点的预测标签已知，部分节点的预测标签未知。我们的任务是根据节点的属性(可以是类别型、也可以是数值型)、边的信息、边的属性（如果有的话）、已知的节点预测标签，对未知标签的节点做预测。我们要预测一个电视剧里预测谁是凶手 可以把人物作为孤立的一个个案例，来训练分类器进行预测 也可以在一个人物关系图谱下去预测
转载
2024-04-24 20:18:06
84阅读
