深度学习入门 - 随笔分类 - CusterFun

摘要：我们看看深度学习模型是如何处理文本的，比方说我们做文本分类，文本内容是政治、商业还是科学？阅读全文

posted @ 2017-02-26 22:20 CusterFun 阅读(173) 评论(0) 推荐(0)

摘要：到目前为止，我们已经大致地介绍了一些新网络但是，如果你对数据已有一些了解，比如它是一张图片，或者一系列事物，你可以做得更好颜色想法非常简单，如果你的数据是某种结构，则你的网络没有必要从零开始学习结构，它会表现得更好例如，假设你想尝试分类这些字母，你知道颜色并不是让Ａ成为Ａ的重要因素你认为怎阅读全文

posted @ 2017-02-26 16:19 CusterFun 阅读(1077) 评论(0) 推荐(0)

【深度学习笔记】第 5 课：深度神经网络简介

摘要：简介前面，针对图片训练了简单的逻辑分类器，现在，我们会将该分类器转变为深度网络只需要几行代码就能搞定，所以一定要确保十分理解之前的内容。在第二部分，将简单地介绍如何完全通过优化器计算任意函数的斜率第三部分，将学习一个重要的概念即规则化，通过规则化我们能够训练更加庞大的模型参数的数量目前阅读全文

posted @ 2017-01-25 15:08 CusterFun 阅读(1197) 评论(0) 推荐(0)

【深度学习笔记】第 4 课：模型性能评估

摘要：training set 训练集 validation set 验证集 test set测试集这些与衡量你做的怎么样有关当你知道怎么衡量你在一个问题的表现，问题就解决了一半。（衡量表现的重要性）每个你将建立的分类器都会尝试记住训练集，并且它通常在这方面会做的很好很好你的工作是帮助它泛化到新阅读全文

posted @ 2017-01-25 11:57 CusterFun 阅读(11067) 评论(0) 推荐(2)

【深度学习笔记】第 3 课：数值计算的稳定性

摘要：我们想要让涉及在损失函数计算中值不要太大或太小一个好的指导原则是我们总是想要我们的变量均值为零并且尽可能同方差除了上面说的数值精度问题，当你在做最优化时，也有很好的数学理论让你保持你计算的值，具有均值为零与同方差的性质在不理想的条件下意味着优化器得做很多搜索去找到一个好的解，如上左图在阅读全文

posted @ 2017-01-22 16:48 CusterFun 阅读(935) 评论(0) 推荐(0)

【深度学习笔记】第 2 课：Logistic 多项式回归法

摘要：softmax模型可以用来给不同的对象分配概率。即使在之后，我们训练更加精细的模型时，最后一步也需要用softmax来分配概率。 cross-entropy 交叉熵是度量这两个向量距离的方法之一。我们将记它为D以表示距离。 labels标签向量经过了one-hot编码，所以会有很多的零，因而它不能作阅读全文

posted @ 2017-01-22 15:56 CusterFun 阅读(2665) 评论(0) 推荐(0)

【深度学习笔记】第 1 课：从机器学习到深度学习

摘要：这个课程分为4个部分，首先需要彻底通过端对端的方法来训练第一个简单模型，这样才能打好基础，为此，将讨论逻辑分类、随机优化，和关于训练模型的通用数据实践。下一步训练第一个深度网络，也将学到利用正则化技术去训练更大的模型，第三部分，将深入介绍图像和卷积模型，第四部分，是关于一般的文本和序列，我们阅读全文

posted @ 2017-01-22 08:43 CusterFun 阅读(470) 评论(0) 推荐(0)

custer

随笔分类 - 深度学习入门

公告