6.3 RNN高級(jí)用法 在本小節(jié)中,我們將學(xué)習(xí)三種高級(jí)方法提升RNN的性能和泛化能力。學(xué)完本小節(jié)你將會(huì)掌握使用Keras實(shí)現(xiàn)RNN的細(xì)節(jié)。我們將...
投稿
6.3 RNN高級(jí)用法 在本小節(jié)中,我們將學(xué)習(xí)三種高級(jí)方法提升RNN的性能和泛化能力。學(xué)完本小節(jié)你將會(huì)掌握使用Keras實(shí)現(xiàn)RNN的細(xì)節(jié)。我們將...
7.2 深度學(xué)習(xí)模型調(diào)試和監(jiān)控 本小節(jié)學(xué)習(xí)如何監(jiān)控模型訓(xùn)練的過(guò)程。 7.2.1 模型訓(xùn)練中應(yīng)用回調(diào) 當(dāng)你訓(xùn)練模型時(shí),有許多情況是在起始階段預(yù)估不...
沉下心來(lái),踏實(shí)干,會(huì)成功的。 6.2 理解循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN) 前面所有見(jiàn)過(guò)的神經(jīng)網(wǎng)絡(luò)模型,比如,全聯(lián)結(jié)網(wǎng)絡(luò)和卷積網(wǎng)絡(luò),它們最主要的特征是沒(méi)有...
6.1 深度學(xué)習(xí)之文本處理 文本是序列數(shù)據(jù)傳播最廣泛的形式之一,它可以理解成一個(gè)字母序列或者詞序列,但是最常見(jiàn)的形式是詞序列。后面章節(jié)介紹的深度...
3.6 房?jī)r(jià)預(yù)測(cè):線性回歸 前面兩個(gè)例子都可以看成是分類(lèi)問(wèn)題,它的目標(biāo)是預(yù)測(cè)某個(gè)輸入數(shù)據(jù)點(diǎn)的單個(gè)離散label。常見(jiàn)的另外一類(lèi)機(jī)器學(xué)習(xí)問(wèn)題是線性...
3.5 新聞分類(lèi):多分類(lèi) 在上一小節(jié),學(xué)習(xí)了如何使用全聯(lián)接神經(jīng)網(wǎng)絡(luò)將向量輸入分為二類(lèi)。但是,當(dāng)需要多分類(lèi)時(shí)該咋辦呢? 在本小節(jié),你將學(xué)習(xí)構(gòu)建神經(jīng)...
第一章 什么是深度學(xué)習(xí)? 本章涉及的知識(shí)點(diǎn): 基本概念的高層次(High-level)定義 機(jī)器學(xué)習(xí)的發(fā)展歷程 深度學(xué)習(xí)興起背后的關(guān)鍵因素以及未...
2.2 神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)表示 在上面的例子中,數(shù)據(jù)存儲(chǔ)為多維Numpy數(shù)組,也稱(chēng)為張量(tensor)。當(dāng)前流行的機(jī)器學(xué)習(xí)系統(tǒng)都以張量作為基本數(shù)據(jù)...
3.4 電影影評(píng)分類(lèi) 二元分類(lèi),或者稱(chēng)為二值分類(lèi),可能是應(yīng)用最廣泛的機(jī)器學(xué)習(xí)問(wèn)題。通過(guò)學(xué)習(xí)本例,你將掌握如何基于文本內(nèi)容將影評(píng)分為正、負(fù)二類(lèi)。 ...
專(zhuān)題公告
1. 《Deep Learning with Python》中文版系列
2. 因簡(jiǎn)書(shū)手機(jī)和微信雙驗(yàn)證,其它后續(xù)部分會(huì)在公眾號(hào):bigdata_ny和https://bigdata-ny.github.io發(fā)布。給您帶來(lái)不便敬請(qǐng)諒解。