一、前述 CNN和RNN几乎占据着深度学习的半壁江山，所以本文将着重讲解CNN+RNN的各种组合方式，以及CNN和RNN的对比。 二、CNN与RNN对比 1、CNN卷积神经网络与RNN递归神经网 ...

一、前述 TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算， ...

一、前述 本文讲述池化层和经典神经网络中的架构模型。 二、池化Pooling 1、目标 降采样subsample，shrink（浓缩），减少计算负荷，减少内存使用，参数数量减少（也可防止过拟合 ...

一、前述 ANN人工神经网络有两个或两个以上隐藏层，称为DNN 只有一个隐藏层是多层感知机 没有隐藏层是感知机 二、反向传播应用举例 举例： 正向传播，反向传播是一次迭代， 正 ...

一、前述 在梯度下降中，随着算法反向反馈到前面几层，梯度会越来越小，最终，没有变化，这时或许还没有收敛到比较好的解，这就是梯度消失问题，深度学习遭受不稳定的梯度，不同层学习在不同的速度上 ...

一、前述 传统的神经网络每个输入节点之间没有联系， RNN （对中间信息保留）： 由图可知，比如第二个节点的输入不仅依赖于本身的输入U1，而且依赖上一个节点的输入W0,U0， ...

一、前述 TensorBoard是tensorFlow中的可视化界面，可以清楚的看到数据的流向以及各种参数的变化，本文基于一个案例讲解TensorBoard的用法。 二、代码 ...

一、前述 本文分享一篇基于数据集cifa10的经典模型架构和代码。 二、代码 三、总结 最终，在cifar-10数据集上，通过一个短时间小迭代的训练，可以达到大致73%的准确率 ...

一、前述 GAN，生成对抗网络，在2016年基本火爆深度学习，所有有必要学习一下。生成对抗网络直观的应用可以帮我们生成数据，图片。 二、具体 1、生活案例 比如假设真钱 r 坏人定义为G ...

一、前述 架构： 问题： 1、压缩会损失信息 2、长度会影响准确率 解决办法： Attention机制：聚焦模式 “高分辨率”聚焦在图片的某个特定区域并以“低分辨率”，感知图 ...