摘要： 本次涉及代码较多，部分重复代码不再重复发布。重复的代码详见以下链接： https://blog.csdn.net/qq_37402392/article/details/121468321?spm=1001.2014.3001.5501 bn_layers.py cnn_layers.py drop 阅读全文

摘要： 本小节我们将使用 RNN 完成图像说明( Image Captioning)任务。该任务需要联合 CNN 与 RNN 一同学习，CNN 用于提取图像特征，RNN 用于生成图像特征所对应的说明文字。 在训练阶段，首先我们将图片放入卷积网络中进行特征提取，将其作为隐藏层h0的输入；然后将图片对应的文字描 阅读全文

摘要： 第7章 循环神经网络 1.前馈神经网络总是单向的，从输入层到低级隐层，再从低级隐藏层到高级隐藏层，最后再到输出层。但不管网络有多少层，都是一层一层地前向输出。但这其实是有问题的，因为这种前馈结构需要假设数据是独立同分布，但现实中有很多复杂的数据都不满足这个条件，例如音频数据、视频数据及自然语言数据等 阅读全文

摘要： 参考链接： https://www.zhihu.com/question/351283901 https://www.bilibili.com/video/BV1qs411k7By/?spm_id_from=autoNext https://www.zhihu.com/question/267378 阅读全文

摘要： 参考链接： https://mofanpy.com/tutorials/machine-learning/reinforcement-learning/intro-RL/ https://www.cnblogs.com/maybe2030/p/9862353.html 第1章 简介 强化学习是机器学 阅读全文

摘要： cnn_layers.py 实现卷积神经网络的前向后传播的函数。 #-*- coding: utf-8 -*- import numpy as np from layers import * from bn_layers import * def conv_forward_naive(x, w, b 阅读全文

摘要： 卷积神经网络 在本章节的练习中，我们将对卷积，池化，空间批量归一化等内容进行编码，并比较不同实现方式的执行效率。由于python语言运行效率太过缓慢，我们会在第八章的tensorflow介绍章节再次训练卷积网络，本章我们只需要针对卷积网络的各个模块进行编码练习即可。本章我们将逐步完成： 卷积前向传播 阅读全文

摘要： 第6章 卷积神经网络 **卷积神经网络(Convolutional Neural Network,CNN)**是在实际应用中最为成功的一种神经网络，其专门用于处理格状结构数据，比如图片数据就可以看成是由像素组成的二维格状数据。之所以称为“卷积”是因为其数据处理方式类似于数学中的卷积操作，该网络也是人 阅读全文

摘要： 参考链接： https://blog.csdn.net/scut_salmon/article/details/82391320 https://www.cnblogs.com/geeksongs/p/15034108.html 结论：Pytorch里的view方法用于改变数据维度，与numpy的r 阅读全文

摘要： 参考链接： https://blog.csdn.net/qq_41429220/article/details/104973805 Pytorch Error: ValueError: Expected input batch_size (324) to match target batch_siz 阅读全文