百度PaddlePaddle入门-19（卷积神经网络入门B）
批归一化（Batch Normalization） 批归一化方法方法（Batch Normalization，BatchNorm）是由Ioffe和Szegedy于2015年提出的，已被广泛应用在深度学习中，其目的是对神经网络中间层的输出进行标准化处理，使得中间层的输出更加稳定。 通常我们会对 ...
原文：百度PaddlePaddle入门-2（使用Numpy构建神经网络）
转载自PaddlePaddle培训课程，https: aistudio.baidu.com 使用Numpy构建神经网络 本节将使用Python语言和Numpy库来构建神经网络模型，向读者展示神经网络的基本概念和工作过程。 波士顿房价预测 波士顿房价预测是一个经典的机器学习问题，类似于程序员世界的 Hello World 。波士顿地区的房价是由诸多因素影响的，该数据集统计了 种可能影响房价的因素和 ...
2020-02-03 18:50 1 880 推荐指数：
相关推荐
百度PaddlePaddle入门-18（卷积神经网络入门A）
主要涵盖如下内容： 卷积神经网络：卷积神经网络（Convolutional Neural Networks, CNN）是计算机视觉技术最经典的模型结构。这里主要介绍卷积神经网络的常用模块，包括：卷积、池化等。 图像分类：介绍图像分类算法的经典模型结构，并通过眼疾筛查的案例展示算法 ...
百度PaddlePaddle入门-5（Numpy，Random）
Numpy是Numerical Python的简称，是Python中高性能科学计算和数据分析的基础包。Numpy提供了一个多维数组类型ndarray，它具有矢量算术运算和复杂广播的能力，可以实现快速的计算并且能节省存储空间。在使用Python调用飞桨API完成深度学习任务的过程中 ...
百度PaddlePaddle入门-6 (Numpy应用)
线性代数 Numpy中实现了线性代数中常用的各种操作，并形成了numpy.linalg线性代数相关的模块。其中包括： diag 以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0） dot 矩阵乘法 trace 计算对角线元素 ...
百度PaddlePaddle入门-11（网络结构）
前面使用与房价预测相同的简单神经网络解决手写数字识别问题，效果并不理想，原因有两点： 输入数据类型不同。房价预测的输入为离散一维数据。房价预测使用全连接神经网络无法学习到图像二维数据中的空间信息。 模型复杂度不够。因为手写数字识别任务涉及到图像信号，比房价预测任务更加复杂，模型的复杂度 ...
百度PaddlePaddle入门-3（框架）
深度学习在很多机器学习领域均有非常出色的表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等各大领域有着广泛的应用。面对繁多的应用场景，深度学习框架可以节省大量而繁琐的外围工作，使建模者关注业务场景和模型设计本身。 使用深度学习框架完成建模任务有两个显著优势 ...
百度PaddlePaddle入门-9（建模）
和预处理操作。 模型设计：搭建神经网络结构。 训练配置：配置优化器、学习率、训练参数。 ...
百度PaddlePaddle入门-16（模型加载及恢复训练）
，就不用从初始状态重新训练。 下面介绍恢复训练的代码实现，依然使用手写数字识别的案例，在网络定义的部分 ...