如何使用tensorflow快速搭建起一個(gè)深度學(xué)習(xí)項(xiàng)目

我們繼續(xù)以 NG 課題組提供的 sign 手勢(shì)數(shù)據(jù)集為例，學(xué)習(xí)如何通過Tensorflow快速搭建起一個(gè)深度學(xué)習(xí)項(xiàng)目。數(shù)據(jù)集標(biāo)簽共有零到五總共 6 類標(biāo)...

2018-10-25 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)tensorflow 7880 0

一種基于人工智能算法的量子誤差校正系統(tǒng)

在量子計(jì)算機(jī)中引入了輔助量子位，并將其定位在儲(chǔ)存實(shí)際量子信息的量子位之間。通過監(jiān)控這些輔助量子位，量子計(jì)算機(jī)的控制器就能定位錯(cuò)誤并進(jìn)行相應(yīng)的矯正，類比在...

2018-10-25 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能量子計(jì)算機(jī) 3434 0

一個(gè)決定神經(jīng)網(wǎng)絡(luò)深度、網(wǎng)絡(luò)層大小的簡(jiǎn)單方法

輸入層和輸出層的層數(shù)、大小是最容易確定的。每個(gè)網(wǎng)絡(luò)都有一個(gè)輸入層，一個(gè)輸出層。輸入層的神經(jīng)元數(shù)目等于將要處理的數(shù)據(jù)的變量數(shù)。輸出層的神經(jīng)元數(shù)目等于每個(gè)輸...

2018-10-24 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)神經(jīng)元 9334 0

深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是什么樣的？

怎樣理解非線性變換和多層網(wǎng)絡(luò)后的線性可分，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)就是學(xué)習(xí)如何利用矩陣的線性變換加激活函數(shù)的非線性變換。

2018-10-23 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4172 0

一種使用卷積神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)斗地主游戲中玩家行為的方法

策略網(wǎng)絡(luò)采用監(jiān)督學(xué)習(xí)的方式。其中該網(wǎng)絡(luò)包含 10 層 CNN 層和 1 層全連接層，激活函數(shù)采用 Relu。最終的 softmax 層輸出所有合理出牌方...

2018-10-21 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 7695 0

總結(jié)了18個(gè)Tips，讓你在瀏覽器里玩轉(zhuǎn)深度學(xué)習(xí)

控制模型的規(guī)模很重要。如果模型架構(gòu)太大太復(fù)雜，訓(xùn)練和運(yùn)行的速度都會(huì)降低，從瀏覽器載入模型度速度也會(huì)變慢。控制模型的規(guī)模說起來簡(jiǎn)單，難的是取得準(zhǔn)確率和模型...

2018-10-21 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 2486 0

BN降低內(nèi)部協(xié)方差偏移是流言嗎？

假設(shè)在下一次迭代i+1中，zc的分布偏移至pci+1。由于網(wǎng)絡(luò)層d的權(quán)重之前是根據(jù)pci更新的，但現(xiàn)在網(wǎng)絡(luò)層d面臨的輸入分布卻是pci+1。這一顯著差異...

2018-10-21 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4756 0

如何使用numpy搭建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)詳細(xì)方法和程序概述

內(nèi)容將繼續(xù)秉承之前 DNN 的學(xué)習(xí)路線，在利用Tensorflow搭建神經(jīng)網(wǎng)絡(luò)之前，先嘗試?yán)胣umpy手動(dòng)搭建卷積神經(jīng)網(wǎng)絡(luò)，以期對(duì)卷積神經(jīng)網(wǎng)絡(luò)的卷積機(jī)...

2018-10-20 標(biāo)簽：濾波器神經(jīng)網(wǎng)絡(luò)CNN 6285 0

谷歌和Idiap研究所的研究人員訓(xùn)練了兩個(gè)獨(dú)立的神經(jīng)網(wǎng)絡(luò)

研究人員的語音過濾系統(tǒng)分為兩部分，包括LSTM模型和卷積神經(jīng)網(wǎng)絡(luò)(只有一個(gè)LSTM層)。第一個(gè)采用預(yù)處理的語音采樣和輸出揚(yáng)聲器嵌入（即矢量形式的聲音表示...

2018-10-18 標(biāo)簽：谷歌神經(jīng)網(wǎng)絡(luò)語音識(shí)別 5161 0

基于tensorflow.js設(shè)計(jì)、訓(xùn)練面向web的神經(jīng)網(wǎng)絡(luò)模型的經(jīng)驗(yàn)

你也許會(huì)好奇：為什么要在瀏覽器里基于tensorflow.js訓(xùn)練我的模型，而不是直接在自己的機(jī)器上基于tensorflow訓(xùn)練模型？你當(dāng)然可以在自己的...

2018-10-18 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4387 0

利用深度學(xué)習(xí)解決目標(biāo)檢測(cè)任務(wù)的簡(jiǎn)單方法

首先，讓我們明確什么是選擇性搜索，以及它是如何辨別不同區(qū)域的。組成目標(biāo)物體通常有四個(gè)要素：變化尺度、顏色、結(jié)構(gòu)（材質(zhì)）、所占面積。選擇性搜索會(huì)確定物體在...

2018-10-18 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)算法深度學(xué)習(xí) 9755 0

基于NumPy創(chuàng)建一個(gè)可以工作的神經(jīng)網(wǎng)絡(luò)

在開始編程之前，先讓我們準(zhǔn)備一份基本的路線圖。我們的目標(biāo)是創(chuàng)建一個(gè)特定架構(gòu)（層數(shù)、層大小、激活函數(shù)）的密集連接神經(jīng)網(wǎng)絡(luò)。然后訓(xùn)練這一神經(jīng)網(wǎng)絡(luò)并做出預(yù)測(cè)。

2018-10-18 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)PythonKeras 3648 0

激活函數(shù)如何隱式地改變傳入網(wǎng)絡(luò)層的數(shù)據(jù)分布，進(jìn)而影響網(wǎng)絡(luò)的優(yōu)化過程

你可以自己試驗(yàn)一下。我試了很多次，從來沒能得到一個(gè)數(shù)量級(jí)大于10-18的數(shù)。如果這個(gè)值是神經(jīng)元A的梯度表達(dá)式中的一個(gè)因子，那么梯度幾乎就等于零。這意味著...

2018-10-13 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)函數(shù)深度學(xué)習(xí) 3533 0

重溫多種增強(qiáng)循環(huán)神經(jīng)網(wǎng)絡(luò)的方式

一提起 RNN，我們最容易想到的實(shí)現(xiàn)就是 LSTM + attention。LSTM 作為經(jīng)典的網(wǎng)絡(luò)結(jié)構(gòu)可謂是老當(dāng)益壯，而另一方面注意力機(jī)制過于常見，我...

2018-10-11 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí) 2580 0

一種深度學(xué)習(xí)系統(tǒng)可以從高精度的氣候模擬中識(shí)別出極端天氣模式

研究人員表示這一研究實(shí)現(xiàn)了很多記錄，不僅是在氣象科學(xué)領(lǐng)域第一次將深度學(xué)習(xí)用于解決如此大規(guī)模的氣候分割問題，同時(shí)在深度學(xué)習(xí)領(lǐng)域也是第一次將計(jì)算能力拓展到了...

2018-10-11 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 5049 0