08 2020 档案

简单理解LSTM RNN
摘要：原文网址：http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 注：本文是根据原文的理解来摘译的，不是像其他博文仅仅是全盘翻译，因为自我感觉即使原文每一个词都认识，都会翻译，还是不容易通俗的理解（可能是我理解能力差吧）。所以，这里我只翻译 阅读全文
posted @ 2020-08-25 23:12 明明724 阅读(348) 评论(0) 推荐(0)
一文搞懂RNN（循环神经网络）
摘要：神经网络基础 神经网络可以当做是能够拟合任意函数的黑盒子，只要训练数据足够，给定特定的x，就能得到希望的y，结构图如下： 将神经网络模型训练好之后，在输入层给定一个x，通过网络之后就能够在输出层得到特定的y，那么既然有了这么强大的模型，为什么还需要RNN（循环神经网络）呢？ 为什么需要RNN（循环神 阅读全文
posted @ 2020-08-25 19:24 明明724 阅读(1074) 评论(0) 推荐(0)
CNN：池化
摘要：池化（Pooling）是卷积神经网络中另一个重要的概念，它实际上是一种形式的降采样。有多种不同形式的非线性池化函数，而其中“最大池化（Max pooling）”是最为常见的。它是将输入的图像划分为若干个矩形区域，对每个子区域输出最大值。直觉上，这种机制能够有效地原因在于，在发现一个特征之后，它的精确 阅读全文
posted @ 2020-08-24 23:04 明明724 阅读(1314) 评论(0) 推荐(0)
神经网络训练loss值不下降原因集合
摘要：train loss 不断下降，test loss不断下降，说明网络仍在学习;train loss 不断下降，test loss趋于不变，说明网络过拟合;train loss 趋于不变，test loss不断下降，说明数据集100%有问题;train loss 趋于不变，test loss趋于不变， 阅读全文
posted @ 2020-08-19 12:43 明明724 阅读(1726) 评论(0) 推荐(0)
直观地解释反向传播算法
摘要：反向传播算法是多层神经网络的训练中举足轻重的算法。简单的理解，它的确就是复合函数的链式法则，但其在实际运算中的意义比链式法则要大的多。机器学习可以看做是数理统计的一个应用，在数理统计中一个常见的任务就是拟合，也就是给定一些样本点，用合适的曲线揭示这些样本点随着自变量的变化关系。深度学习同样也是为了这 阅读全文
posted @ 2020-08-06 20:58 明明724 阅读(419) 评论(0) 推荐(0)
TensorFlow和Keras的区别
摘要：TensorFlow和theano以及Keras都是深度学习框架，TensorFlow和theano比较灵活，也比较难学 Keras是一个由Python编写的开源人工神经网络库，可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、 阅读全文
posted @ 2020-08-06 18:29 明明724 阅读(795) 评论(0) 推荐(0)
通俗易懂！什么是MIMO？
摘要：01 — MIMO是什么 在这个万物互联的时代，手机作为我们和外界联系的窗口，似乎已经成为了我们身体的一部分。 而手机是无法自己上网的，和手机进行通信的通信网络，已经变得跟水和电一样。畅快上网的时候，感觉不到这些幕后英雄的重要，一旦离开就感觉跟活不下去了一样。 按流量收费的时代，曾几何时，1M流量收 阅读全文
posted @ 2020-08-06 17:48 明明724 阅读(4613) 评论(0) 推荐(1)
虚拟机安装Ubuntu 16.04.5 图解
摘要：1.安装环境软件准备工作 1）下载 VMware 12.0.1 (专业版永久许可证密钥：5A02H-AU243-TZJ49-GTC7K-3C61N) https://download3.vmware.com/software/wkst/file/VMware-workstation-full-12. 阅读全文
posted @ 2020-08-06 17:46 明明724 阅读(277) 评论(0) 推荐(0)
深度强化学习与深度Q网络
摘要：上一讲笔者和大家简单介绍了强化学习的相关概念，了解了Q-Learning算法及其简单实现实例。本节笔者将在上一讲的基础上，将强化学习回归到深度学习的主题上。 深度强化学习 强化学习+深度学习的一个结果就是形成了深度强化学习这样的新领域，本节我们先简单介绍一下深度强化学习，然后来看一下深度神经网络是如 阅读全文
posted @ 2020-08-05 12:55 明明724 阅读(912) 评论(0) 推荐(0)
强化学习简介与Q-Learning实例
摘要：从整个机器学习的任务划分上来看，机器学习可以分为有监督学习、有监督和半监督学习以及强化学习，而我们之前一直谈论的图像、文本等深度学习的应用都属于监督学习范畴。自编码器和生成式对抗网络可以算在无监督深度学习范畴内。最后就只剩下强化学习了。但是我们这是深度学习的笔记，为什么要把强化学习单独拎出来讲一下呢 阅读全文
posted @ 2020-08-05 12:05 明明724 阅读(1231) 评论(0) 推荐(0)