- 综合排序
- 最热优先
- 最新优先
- 来自专栏华章科技
9种深度学习算法简介
Ren等人提出了Faster R-CNN算法，Faster R-CNN是第一个端到端算法，也是第一个接近实时深度学习的目标检测算法。 在FPN之前，绝大多数深度学习检测器都是基于卷积网络最顶层的特征图进行计算的。深层特征包含全局信息，却弱化了细节信息，使用深层特征在小目标检测，尤其是精准定位方面，有着较大的劣势。 Joseph等人提出了YOLO（You Look Only Once）算法，这是首个深度学习领域的一阶段算法。 Liu等人提出了SSD（Single Shot MultiBox Detector）算法，这是深度学习领域的第二个一阶段算法。 本文摘编自《深度学习与目标检测：工具、原理与算法》，经出版方授权发布。（ISBN：9787111690344）
5.5K20编辑于 2022-01-20 - 来自专栏DotNet NB && CloudNative
AI应用实战课学习总结（9）Hello 深度学习
最近入坑黄佳老师的《AI应用实战课》，记录下我的学习之旅，也算是总结回顾。 今天是我们的第9站，一起了解下大数据和GPU时代下的 深度学习 和 PyTorch框架。 深度学习介绍 根据之前的学习，我们知道了人工智能的范围很广阔，而机器学习是人工智能的一个重要分支，而今天要学习的深度学习又是机器学习的一个重要分支。 在大数据和GPU的加持下，我们现在正处于深度学习的黄金时代。 深度学习是机器学习实践方法中的一种，它是基于神经网络的机器学习方法。 近年来，深度学习常常用在复杂问题的处理上，如图像识别、目标检测、NLP、机器翻译等领域，它需要大量的数据和大量计算资源，特别典型的基于深度学习的模型就是Transformer。 PyTorch：深度学习框架 了解了深度学习的一些基本概念，那么我们小白如何参与深度学习呢，借助各种深度学习框架，就可以事半功倍。
33210编辑于 2025-04-02 - 来自专栏ATYUN订阅号
9种平台帮助你深度学习Keras
Keras是一个Python深度学习库，它可以使用高效的Theano或TensorFlow符号数学库作为后端。 在这篇文章中，会为你推荐可以提问，并在Keras的深度学习模式中能得到帮助的9个平台。 ? 如何最好地利用这些资源 知道在哪里获得帮助是第一步，但是你需要知道如何从这些资源中获得更大的帮助。 在这个网站上面有许多关于深度学习和Keras的问题。我建议搜索并询问带有“Keras”标签的问题。地址：Keras tag on StackOverflow 5.CrossValidated ? 尽管这个网站什么样类型的问题都有，但在技术方面也是有很多值得一看的内容，包括Keras和深度学习。这些问题的焦点更基于文本和说明性。你可能从中会获得更多关于技术方面的细节，而不是实现细节。 地址：Keras Github Issues 9.Twitter ? Twitter上带有Keras的标签的推文 在Twitter上，你可以快速回答一些一次性的问题。
95840发布于 2018-03-02 - 来自专栏超智能体
视频教学：9分钟入门深度学习
目录 数据讲解：00:25 数据代码：01:19 模型讲解：01:43 模型代码：02:58 学习讲解：03:44 学习代码：06:10 训练可视化：07:57 活不好一生：09:04 视频 视频里演示的代码 ，已经编写成免费上机操作教程，可一步步跟着指示进行学习。 想要更透彻的理解以上的概念，请用参数尽可能少的深度模型来拟合北京出租车距离与价格的关系，不超 3 公里 都是 14 元，超过的部分 2.5 元每公里。 同时。 调节学习速率， 批量值，次数等高参来感受它们对模型训练的印象。关键在于测试集（模型没见过的数据）的误差。 我 github 的 M01 视频文件夹里又增加了 完成以上操作需要理解的编程概念。 以后会谈到学习计算机语言的一些思维习惯如何改掉。
1.3K50发布于 2019-02-13 - 来自专栏计算机视觉
深度学习500问——Chapter08：目标检测（9）
而NIPS的对抗攻击大赛很多从神经网络的学习策略下手，进行梯度攻击，更加偏向于人为的攻击了，对于普适的检测性能提高意义反而不大，更强调安全需求高的场合。 从一个数据集学习到的数据增强也可以迁移到其他数据集。 3.3 Resolution impact 高清（1920x1080x3）或4K（3840x2160x3）等高分辨率图像需要更多的处理和内存来训练深度CNN，然而下一代模型更倾向于使用这样更高分辨率的图像 但增强需要仔细设计，否则会面对已经学习较好的类别或者场景造成过拟合等问题。 好不容易谷歌的增强考虑到了如何学习一下检测任务的增强，但是也只是加了bbox_only的增强，就效果而言，一般；而且就实际来说，合理性和有效性有待商榷。
36800编辑于 2024-05-24 - 来自专栏paddle深度学习
paddle深度学习9 搭建模型nn.Layer
paddle.nn.Layer是 PaddlePaddle 中用于构建神经网络模型的基础类，它对标于pytorch中的torch.nn.Module【常见的Layer层】Paddle 提供了大量的内置 Layer，涵盖了深度学习中的常见操作 _init__通常用来定义一些模型中用到的各层的模块和信息forward函数则定义了一个张量进入模型的整个计算过程，及时拿到一个比较复杂的模型，只要看懂了forward，就看懂了模型的构建过程在今后的学习复杂模型时 ，可以使用打印shape的方法进行学习和调试import paddleclass MyModel(paddle.nn.Layer): def __init__(self, input_dim=784,
32210编辑于 2025-01-15 - 来自专栏计算机工具
深度学习9:简单理解生成对抗网络原理
GAN具有令人难以置信的潜力，因为他们可以学习模仿任何数据分布。也就是说，GAN可以学习在任何领域创造类似于我们自己的世界：图像，音乐，语音。 生成对抗网络（GAN） “生成”部分 叫做发电机。 生成模型学习各个类的分布。 “对抗性”部分 称为判别者。 鉴于这些功能，尝试预测标签。 EX：根据电子邮件的文本，预测（区分）垃圾邮件或非垃圾邮件。 判别模型学习了类之间的界限。 GAN如何运作？ 伪造者正在学习制造假钱，警察正在学习如何检测假钱。他们都在学习和提高。伪造者不断学习创造更好的假货，并且警察在检测它们时不断变得更好。 这使网络能够更好地了解它必须学习的梯度。 GAN被制定为两个网络之间的游戏，重要：保持它们的平衡。如果发电机或鉴别器太好，GAN可能很难学习。 GAN需要很长时间才能训练。 GAN是一个很有前途的生成模型家族，因为与其他方法不同，它们可以生成非常干净和清晰的图像，并学习包含有关基础数据的有价值信息的权重。
30510编辑于 2024-12-14 - 来自专栏AI科技大本营的专栏
Chatbot大牛推荐：AI、机器学习、深度学习必看9大入门视频
这年头，谈话间，不夹杂点“人工智能”，“机器学习”，“深度学习”这样的字眼，就跟九十年代追不上互联网的时髦一样——丢份！ 可是呢，说白了，真正懂行的没几个，真的没几个。 那什么又是深度学习呢？ 深度学习属于机器学习，不过更复杂。 它类似给机器装了一个大脑，这个大脑里也有由大量的神经元组成的多层系统，可以通过大量的数据训练来处理复杂的机器学习任务（比如上文提到的猫、狗图像识别）。 为什么深度学习突然就火爆起来了呢？ 成长款——深入学习 如果你还想深入学习相关的技术细节，可以观看 Youtube 上的 Deep Learning Simplified 系列视频与 Facebook 解释机器学习/深度学习的视频。 简谈深度学习 Deep Learning Simplified - 入门篇 想要查看该系列的所有视频，可前往其 Youtube 频道。
92870发布于 2018-04-27 - 来自专栏罗西的思考
深度学习分布式训练框架 horovod (9) --- 启动 on spark
[源码解析] 深度学习分布式训练框架 horovod (9) --- 启动 on spark 目录 [源码解析] 深度学习分布式训练框架 horovod (9) --- 启动 on spark 0x00 本系列其他文章如下： [源码解析] 深度学习分布式训练框架 Horovod (1) --- 基础知识 [源码解析] 深度学习分布式训练框架 horovod (2) --- 从使用者角度切入 [源码解析] 深度学习分布式训练框架 horovod (3) --- Horovodrun背后做了什么 [源码解析] 深度学习分布式训练框架 horovod (4) --- 网络基础 & Driver [源码解析] 深度学习分布式训练框架 horovod (5) --- 融合框架 [源码解析] 深度学习分布式训练框架 horovod (6) --- 后台线程架构 [源码解析] 深度学习分布式训练框架 horovod (7) --- DistributedOptimizer [源码解析] 深度学习分布式训练框架 horovod (8) --- on spark 0x01 总体架构图 首先，我们还是要祭出架构图，这样大家可以按图索骥
67820发布于 2021-07-08 - 来自专栏深度学习|机器学习|歌声合成|语音合成
第9节：libtorch开发深度学习算法中的autograde
文章目录 CmakeLists.txt C++ CmakeLists.txt cmake_minimum_required (VERSION 3.8) project(SOLDIER) set(Torch_DIR "/libtorch/share/cmake/Torch") set(PYTHON_EXECUTABLE "/usr/bin/python3") find_package(Torch REQUIRED) find_package(OpenCV REQUIRED) set(CMAKE_CXX
77420编辑于 2022-08-07 - 来自专栏AiCharm
深度学习经典网络解析：9.Fast R-CNN
2.R-CNN 与 Fast R-CNN R-CNN具体详解见上一篇：深度学习经典网络解析目标检测篇：8.R-CNN 2.1 R-CNN存在的问题： 简单来说，R-CNN使用以下四步实现目标检测： 在图像中确定约1000-2000个候选框 对于每个候选框内图像块，使用深度网络提取特征 对候选框中提取出的特征，使用分类器判别是否属于一个特定类 对于属于某一特征的候选框，用回归器进一步调整其位置 但是 解决：本文把类别判断和位置精调统一用深度网络实现，不再需要额外存储。损失函数使用了多任务损失函数(multi-task loss)，将边框回归直接加入到CNN网络中训练。 3.Fast R-CNN 3.1检测步骤 RCNN算法流程可分为4个步骤 一张图像生成1K~2K个候选区域(使用Selective Search方法) 对每个候选区域，使用深度网络提取特征 特征送入每一类的
1.7K30编辑于 2023-05-15 - 来自专栏全栈程序员必看
深度学习中的9种归一化方法概述
Spectral Normalization 9. 然而，训练深度学习模型（如深度神经网络）是一项复杂的任务，因为在训练阶段，各层的输入不断变化。 ---- Overview 在深度学习模型中有几种常用的归一化方法： 归一化方法 简介 优点 论文 年份 被引 作者 Batch Normalization 批量归一化是用于训练深度学习模型的流行归一化方法之一 （2）它可以成功地应用于循环模型，如LSTMs，以及深度强化学习或生成模型。 在一些深度学习任务中，它有能力取代批量归一化。只需几行代码，就可以在现有库中轻松实现。
5.9K30编辑于 2022-11-17 - 来自专栏DevOps
AI框架：9大主流分布式深度学习框架简介
前言 转载翻译Medium上一篇关于分布式深度学习框架的文章 https://medium.com/@mlblogging.k/9-libraries-for-parallel-distributed-training-inference-of-deep-learning-models 在大规模深度学习模型训练中有个主要范式： 数据并行 模型并行 我们将讨论大规模深度学习模型训练中的核心概念以及在模型训练领域的最新进展和改进方法，然后分享一些实现这些方法的可用库。 通过把一个大模型拆分到多个 GPU 上训练，可以实现模型尺寸超过单个 GPU显存的深度学习模型训练。 OneFlow OneFlow 是一个深度学习框架，旨在实现用户友好、可扩展和高效。 9. Mesh-Tensorflow 根据 github 页面：Mesh TensorFlow (mtf) 是一种用于分布式深度学习的语言，能够指定广泛的分布式张量计算类别。
6.6K10编辑于 2024-03-29 - 来自专栏数据科学与人工智能
【深度学习】深度学习
深度学习的起源 深度学习（Deep Learning）是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络。深度学习属于无监督学习。 深度学习的概念源于人工神经网络的研究。 深度学习可通过学习一种深层非线性网络结构，实现复杂函数逼近，表征输入数据分布式表示，并展现了强大的从少数样本集中学习数据集本质特征的能力。含多隐层的多层感知器就是一种深度学习结构。 深度学习正是希望通过模拟人脑多层次的分析方式来提高学习的准确性。 深度学习的动机 学习基于深度架构的学习算法的主要动机是： ①不充分的深度是有害的； 在许多情形中深度2就足够(比如logicalgates, formal[threshold] neurons
2.4K72发布于 2018-02-27 - 来自专栏机器学习AI算法工程
深度学习大神都推荐入门必须读完这9篇论文
从那时起，一票公司开始在它们的核心服务中使用深度学习技术。 相关信息可参考Geoffrey Hinton大神（也就是深度学习之父）的论文Paper。 Transfer Learning 许多人认为只有拥有了google级别的数据量才能训练好一个模型，这是一个常见的对深度学习的误解。 文章要点 模型里共使用9个Inception module模块，深度总计100层！ 它打开了新世界的大门，提供了一个新的思路，使得深度学习模型更加聪明并能够胜任跨学科领域的任务。
1.5K50发布于 2018-03-15 - 来自专栏大数据文摘
站在巨人的肩膀上，深度学习的9篇开山之作
大数据文摘作品，转载要求见文末 作者 | Adit Deshpande 编译 | 酒酒，朱璇，万如苑 徐凌霄，钱天培 自从2012年CNN首次登陆ImageNet挑战赛并一举夺取桂冠后，由CNN发展开来的深度学习一支在近 划重点： 在整个架构中使用了9个inception模块，共有100多层。现在看来很有深度… 不使用完全连接的层 ！他们使用平均池化代替，将7x7x1024的输入量转换为1x1x1024的输入量。 translate.google.com&sl=en&sp=nmt4&tl=zh-CN&u=https://arxiv.org/pdf/1504.08083.pdf&usg=ALkJrhiMQQ68G9lTdUV9DYnKPAUOb6PDaA 该模块可以随时投入CNN，并且会帮助网络学习如何以在训练中以最小化成本函数的方式来转换特征图。 如果你想学习到更多关于卷积神经网络的知识，我再次强烈推荐斯坦福CS 231n课程视频。 门手册（中） ?
2.9K40发布于 2018-05-24 - 来自专栏项目文章
Redis学习9：Jedis学习
Jedis学习 编程语言中的数据如任何和redis联动，如果是java语言，那么就可以使用Jedis工具，同时springdata redis也可以使用，lettuce也可以使用。
18410编辑于 2024-06-07 - 来自专栏新智元
9大Python深度学习库，选出最适合你的那个
如果你对深度学习和卷积神经网络感兴趣，但是并不知道从哪里开始，也不知道使用哪种库，那么这里就为你提供了许多帮助。 在这篇文章里，我详细解读了9个我最喜欢的Python深度学习库。 针对初学者 1.Caffe 提到“深度学习库”就不可能不说到Caffe。事实上，自从你打开这个页面学习深度学习库，我就敢打保票你肯定听说Caffe。 那么，究竟Caffe是什么呢？ 9.DIGITS DIGITS并不是一个真正的深度学习库（虽然它是用Python写的）。 你怎样才能把这些相同的服务器应用到深度学习里？ 事实证明是可以的——你只需要Deeplearning4j。 深入研究深度学习和卷积神经网络 ? 图1：了解PyImageSearch大师课程内的如何利用深度学习和卷积神经网络对图像内容进行分类 对深度学习好奇吗？ 我会在这里提供帮助。
1.6K40发布于 2018-03-23 - 来自专栏Lauren的FPGA
深度解析ug1292（9）
Clock Uncertainty跟图1所示的几个因素有关。当时序违例路径的Clock Uncertainty超过0.1ns时，应引起关注。这一数值可在时序报告中查找到，如图2所示，如果需要降低Clock Uncertainty，可采用如图3所示的流程。
1K20发布于 2019-10-30 - 来自专栏超智能体
超智能体L01：9分钟的深度学习
目录 数据讲解：00:25 数据代码：01:19 模型讲解：01:43 模型代码：02:58 学习讲解：03:44 学习代码：06:10 训练可视化：07:57 活不好一生：09:04 视频 视频里演示的代码 ，已经编写成免费上机操作教程，可一步步跟着指示进行学习。 想要更透彻的理解以上的概念，请用参数尽可能少的深度模型来拟合北京出租车距离与价格的关系，不超 3 公里 都是 14 元，超过的部分 2.5 元每公里。 同时。 调节学习速率， 批量值，次数等高参来感受它们对模型训练的印象。关键在于测试集（模型没见过的数据）的误差。 我 github 的 M01 视频文件夹里又增加了 完成以上操作需要理解的编程概念。 以后会谈到学习计算机语言的一些思维习惯如何改掉。 视频感觉并没有什么人观看，大家可能并不喜欢大道理，所以我去掉了开头，缩短了结尾。
1.7K90发布于 2018-09-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号