深度学习（一）：概率图模型引入
一、简介 概率图模型（Probabilistic Graphical Model ,PGM）是用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概率分布。图的每个节点（node）都表示一个随机变量，而图的边（edge）则被用于编码 ...
原文：深度学习（二）：图模型的学习
一 前言 图模型的学习主要是学习网络结构，即寻找最优的网络结构 以及网络参数估计，即已知网络结构，估计每个条件概率分布的参数。这里主要讲网络参数的估计。然后又可以分为不含隐变量的参数估计，和含隐变量的参数估计。隐变量相对于可观测变量而言，就是我们无法直接观测到的变量 在特征空间里可以理解为不能被人直接看到的 更高级的需要进行推理才能知道的特征。 二 不含隐变量的参数估计 在有向图模型中，如果所有的 ...
2020-03-21 17:58 3 605 推荐指数：
相关推荐
深度学习之加载VGG19模型获取特征图
1、加载VGG19获取图片特征图 ...
深度学习的Attention模型
前面看到谷歌发表的运用在机器翻译上的论文《Attention is all you need》，很是让人惊讶，这是一种全新的模型，与之前的经典的seq2seq模型改动较大，它完全摒弃了RNN或CNN神经网络，大大简化了模型的复杂度，而且效果还相当好。当然Attention模型可以单独使用，但这篇 ...
深度学习之模型量化
深度学习之模型量化 深度学习之模型量化 各位小伙伴，大家好。深度学习具体工作你有没有碰到模型占用空间偏大、PC 平台与移植到板子上的运行效率差距偏大，进而无法满足高帧率、实时性的要求？AI 奶油小生也碰到上述问题，以下 ...
深度学习之模型压缩
一、背景 深度学习让计算机视觉任务的性能到达了一个前所未有的高度。但，复杂模型的同时，带来了高额的存储空间、计算资源消耗，使其很难落实到各个硬件平台。 为了解决这些问题，压缩模型以最大限度地减小模型对于计算空间和时间的消耗。 二、理论基础 必要性：目前主流的网络 ...
深度学习模型部署
主要介绍下完成了模型训练、评估之后的部署环节。 前言：之前舆情情感分析那一篇文章已经讲了如何使用ernie以及paddlehub来进行模型的训练和优化以及评估环节，所以接下来会讲下如何进行部署，进行实际的运用环节。在这里，用的是上次讲的舆情情感分析的模型。 将Fine-tune好 ...
【深度学习】模型压缩
通常我们训练出的模型都比较大，将这些模型部署到例如手机、机器人等移动设备上时比较困难。模型压缩（model compression）可以将大模型压缩成小模型，压缩后的小模型也能得到和大模型接近甚至更好的性能。这篇文章总结了几种常用的模型压缩方法：网络裁剪（network pruning）、知识蒸馏 ...
深度学习模型的构建
构建深度学习模型的基本步骤 需要举例的地方以波士顿房价预测为案例 波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“Hello World”。和大家对房价的普遍认知相同，波士顿地区的房价是由诸多因素影响的。该数据集统计了13种可能影响房价的因素和该类型房屋的均价，期望构建 ...