發(fā)簡(jiǎn)信
IP屬地：浙江
-
從代碼學(xué)AI——AutoEncoder
本篇主要介紹自編碼這一粗暴、有效的手段。 自編碼是一個(gè)很有趣的思路，很容易被理解和接受，它替代了傳統(tǒng)的特征提取過(guò)程(深度學(xué)習(xí)實(shí)際上也是替代這個(gè)過(guò)...
-
從代碼學(xué)AI——卷積神經(jīng)網(wǎng)絡(luò)(CNN)
今天和大家一起來(lái)看下基于TensorFlow實(shí)現(xiàn)CNN的代碼示例，源碼參見Convolutional_netWork。使用MNIST數(shù)據(jù)集進(jìn)行訓(xùn)...
-
從代碼學(xué)AI ——情感分類(LSTM)
前言 本篇文章會(huì)從代碼的角度說(shuō)明如何基于TFlearn使用LSTM進(jìn)行文本的情感分類。如果對(duì)于TFLearn和LSTM都不熟悉，沒有關(guān)系，先硬著...
-
深度學(xué)習(xí)——從代碼開始
前言 目前深度學(xué)習(xí)搶得了足夠的眼球和關(guān)注度，從各大公司的布局、到如雨后春筍般出來(lái)的一波波的創(chuàng)業(yè)公司，再到各種普及入門、深度剖析相關(guān)的公眾號(hào)，每天...
-
Attention和增強(qiáng)RNN(Attention and Augmented Recurrent Neural Networks)譯文:Attention and Augmented Recurrent Neural Networks 循環(huán)神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的主要手段之一，...
-
如何簡(jiǎn)單的理解LSTM——其實(shí)沒有那么復(fù)雜譯自原文:Understanding LSTM Networks 循環(huán)神經(jīng)網(wǎng)絡(luò) 人類針對(duì)每個(gè)問(wèn)題的思考，一般不會(huì)是完全的從頭開始思考。正如當(dāng)你閱...