深度學習（一）：概率圖模型引入
一、簡介 概率圖模型（Probabilistic Graphical Model ,PGM）是用圖來表示變量概率依賴關系的理論，結合概率論與圖論的知識，利用圖來表示與模型有關的變量的聯合概率分布。圖的每個節點（node）都表示一個隨機變量，而圖的邊（edge）則被用於編碼 ...
原文：深度學習（二）：圖模型的學習
一 前言 圖模型的學習主要是學習網絡結構，即尋找最優的網絡結構 以及網絡參數估計，即已知網絡結構，估計每個條件概率分布的參數。這里主要講網絡參數的估計。然后又可以分為不含隱變量的參數估計，和含隱變量的參數估計。隱變量相對於可觀測變量而言，就是我們無法直接觀測到的變量 在特征空間里可以理解為不能被人直接看到的 更高級的需要進行推理才能知道的特征。 二 不含隱變量的參數估計 在有向圖模型中，如果所有的 ...
2020-03-21 17:58 3 605 推薦指數：
相關推薦
深度學習之加載VGG19模型獲取特征圖
1、加載VGG19獲取圖片特征圖 ...
深度學習的Attention模型
前面看到谷歌發表的運用在機器翻譯上的論文《Attention is all you need》，很是讓人驚訝，這是一種全新的模型，與之前的經典的seq2seq模型改動較大，它完全摒棄了RNN或CNN神經網絡，大大簡化了模型的復雜度，而且效果還相當好。當然Attention模型可以單獨使用，但這篇 ...
深度學習之模型量化
深度學習之模型量化 深度學習之模型量化 各位小伙伴，大家好。深度學習具體工作你有沒有碰到模型占用空間偏大、PC 平台與移植到板子上的運行效率差距偏大，進而無法滿足高幀率、實時性的要求？AI 奶油小生也碰到上述問題，以下 ...
深度學習之模型壓縮
一、背景 深度學習讓計算機視覺任務的性能到達了一個前所未有的高度。但，復雜模型的同時，帶來了高額的存儲空間、計算資源消耗，使其很難落實到各個硬件平台。 為了解決這些問題，壓縮模型以最大限度地減小模型對於計算空間和時間的消耗。 二、理論基礎 必要性：目前主流的網絡 ...
深度學習模型部署
主要介紹下完成了模型訓練、評估之后的部署環節。 前言：之前輿情情感分析那一篇文章已經講了如何使用ernie以及paddlehub來進行模型的訓練和優化以及評估環節，所以接下來會講下如何進行部署，進行實際的運用環節。在這里，用的是上次講的輿情情感分析的模型。 將Fine-tune好 ...
【深度學習】模型壓縮
通常我們訓練出的模型都比較大，將這些模型部署到例如手機、機器人等移動設備上時比較困難。模型壓縮（model compression）可以將大模型壓縮成小模型，壓縮后的小模型也能得到和大模型接近甚至更好的性能。這篇文章總結了幾種常用的模型壓縮方法：網絡裁剪（network pruning）、知識蒸餾 ...
深度學習模型的構建
構建深度學習模型的基本步驟 需要舉例的地方以波士頓房價預測為案例 波士頓房價預測是一個經典的機器學習任務，類似於程序員世界的“Hello World”。和大家對房價的普遍認知相同，波士頓地區的房價是由諸多因素影響的。該數據集統計了13種可能影響房價的因素和該類型房屋的均價，期望構建 ...