發(fā)簡信
IP屬地：廣東
-
深度學(xué)習(xí) 第12次作業(yè) 序列模型和注意力機制1 基礎(chǔ)模型 例如將法語翻譯成英語，構(gòu)建的翻譯網(wǎng)絡(luò)分成兩步。1）建立一個網(wǎng)絡(luò)，稱之為encoder network，是一個RNN結(jié)構(gòu)。RNN結(jié)構(gòu)...
-
深度學(xué)習(xí) 第11次作業(yè) 自然語言處理與詞嵌入1 詞匯表征 詞嵌入是語言表示的一種方式，例如國王和王后，男人和女人，只用one-hot 編碼是無法體現(xiàn)詞之間的關(guān)聯(lián)，因此，我們可以用特征化的表...
-
深度學(xué)習(xí) 第10次作業(yè) 機器學(xué)習(xí) 循環(huán)序列模型1 序列模型 序列模型廣泛應(yīng)用于語音識別，音樂生成，情感分析，DNA序列分析，機器翻譯，視頻行為識別，命名實體識別等眾多領(lǐng)域。序列模型的輸入與輸...
-
深度學(xué)習(xí) 第9次作業(yè) 機器學(xué)習(xí) 目標(biāo)檢測目標(biāo)定位 目標(biāo)檢測的任務(wù)是在圖片中定位物體，并將位置標(biāo)注出來標(biāo)記四類存在與否，定位需要定位目標(biāo)中心坐標(biāo)(b_x, b_y)以及圖片的高度(b_h...
-
深度學(xué)習(xí) 第8次作業(yè) 機器學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 深度卷積網(wǎng)絡(luò)卷積網(wǎng)絡(luò)主要應(yīng)用在計算機視覺，具體的常規(guī)網(wǎng)絡(luò)有LeNet, AlexNet, InceptionNet, ResNet。 每個網(wǎng)絡(luò)的設(shè)計相對于上...
-
深度學(xué)習(xí) 第7次作業(yè) 機器學(xué)習(xí)（ML）策略（2）進行誤差分析 假設(shè)你訓(xùn)練出的貓分類器在開發(fā)集上取得了90%的準(zhǔn)確率即誤差為10%，這離你的目標(biāo)還有一段距離，當(dāng)你分析開發(fā)集上出錯的例子中，你發(fā)現(xiàn)...
-
深度學(xué)習(xí) 第6次作業(yè) 機器學(xué)習(xí)（ML）策略（1）
1.正交化正交化（Orthogonalization） 的核心在于每次調(diào)整只會影響模型某一方面的性能，而對其他功能沒有影響。這種方法有助于更快更...
-
深度學(xué)習(xí) 第5次作業(yè) 超參數(shù)調(diào)試、Batch正則化和程序框架1.調(diào)試處理 2.為超參數(shù)選擇合適的范圍（1）隨機取值并不是在取值范圍內(nèi)隨機均勻取值，而是要選擇合適的標(biāo)尺來隨機取值。（2）案例1：在選擇網(wǎng)絡(luò)層...
-
深度學(xué)習(xí) 第4次作業(yè)1.深層神經(jīng)網(wǎng)絡(luò) 3.核對矩陣的維數(shù) 4.為什么使用深層表示 5.搭建深層神經(jīng)網(wǎng)絡(luò)塊 6.前向和反向傳播 7.參數(shù) VS 超參數(shù)1）參數(shù)常見的參...