文章 2024-07-16 来自:开发者社区

算法金 | 秒懂 AI - 深度学习五大模型:RNN、CNN、Transformer、BERT、GPT 简介

1. RNN(Recurrent Neural Network) 时间轴 1986年,RNN 模型首次由 David Rumelhart 等人提出,旨在处理序列数据。 关键技术 循环结构序列处理长短时记忆网络(LSTM)和门控循环单元(GRU) 核心原理 RNN 通过循环结构让网络记住...

算法金 | 秒懂 AI - 深度学习五大模型:RNN、CNN、Transformer、BERT、GPT 简介
文章 2024-07-03 来自:开发者社区

Transformer深度学习架构与GPT自然语言处理模型

Transformer和GPT(Generative Pre-trained Transformer)是深度学习和自然语言处理(NLP)领域的两个重要概念,它们之间存在密切的关系但也有明显的不同。 1 基本概念 1.1 Transformer基本概念 Transformer是一种深度学习架构,最初在2017年由Google的研究人员在论文《Attention is All...

文章 2024-04-18 来自:开发者社区

Python 深度学习第二版(GPT 重译)(四)(4)

Python 深度学习第二版(GPT 重译)(四)(3)https://developer.aliyun.com/article/1485279 结果图像张量是一个形状为(200, 200, 3)的浮点数组,其值可能不是在[0, 255]范围内的整数。因此,我们需要对这个张量进行后处理,将其转换为可显示的图像。我们使用以下简单的实用函数来实现。 列表 9.18 将张量转换为有效图...

Python 深度学习第二版(GPT 重译)(四)(4)
文章 2024-04-18 来自:开发者社区

Python 深度学习第二版(GPT 重译)(四)(2)

Python 深度学习第二版(GPT 重译)(四)(1)https://developer.aliyun.com/article/1485277 9.3.1 模块化、层次结构和重用 如果你想让一个复杂系统变得简单,你可以应用一个通用的方法:将你的复杂混乱的系统结构化为模块,将模块组织成层次结构,并开始在适当的地方重用相同的模块(“重用”在这个上下文中是抽象的另一个词)。这就是 M...

Python 深度学习第二版(GPT 重译)(四)(2)
文章 2024-04-18 来自:开发者社区

Python 深度学习第二版(GPT 重译)(四)(1)

九、高级计算机视觉深度学习 本章涵盖 计算机视觉的不同分支:图像分类、图像分割、目标检测 现代卷积神经网络架构模式:残差连接、批量归一化、深度可分离卷积 可视化和解释卷积神经网络学习的技术 上一章通过简单模型(一堆Conv2D和MaxPooling2D层)和一个简单的用例(二进制图像分类)为您介绍了计算机视觉的深度学习。但是,计算...

Python 深度学习第二版(GPT 重译)(四)(1)
文章 2024-04-18 来自:开发者社区

Python 深度学习第二版(GPT 重译)(三)(4)

Python 深度学习第二版(GPT 重译)(三)(3)https://developer.aliyun.com/article/1485271 8.2.5 使用数据增强 过拟合是由于样本量太少,导致无法训练出能够泛化到新数据的模型。如果有无限的数据,你的模型将暴露于手头数据分布的每一个可能方面:你永远不会过拟合。数据增强采取生成更多训练数据的方法,通过一些随机转换增强样本,生成...

Python 深度学习第二版(GPT 重译)(三)(4)
文章 2024-04-18 来自:开发者社区

Python 深度学习第二版(GPT 重译)(三)(3)

Python 深度学习第二版(GPT 重译)(三)(2)https://developer.aliyun.com/article/1485270 8.1 卷积网络简介 我们将要深入探讨卷积网络是什么以及为什么它们在计算机视觉任务中取得如此成功的理论。但首先,让我们从一个简单的卷积网络示例开始,该示例对 MNIST 数字进行分类,这是我们在第二章中使用全连接网络执行的任务(当时我们...

Python 深度学习第二版(GPT 重译)(三)(3)
文章 2024-04-18 来自:开发者社区

Python 深度学习第二版(GPT 重译)(三)(2)

Python 深度学习第二版(GPT 重译)(三)(1)https://developer.aliyun.com/article/1485269 7.3.1 编写自己的指标 指标对于衡量模型性能至关重要——特别是用于衡量模型在训练数据和测试数据上性能差异的指标。用于分类和回归的常用指标已经是内置的 keras.metrics 模块的一部分,大多数情况下您会使用它们。但是,如果您正...

Python 深度学习第二版(GPT 重译)(三)(2)
文章 2024-04-18 来自:开发者社区

Python 深度学习第二版(GPT 重译)(四)(3)

Python 深度学习第二版(GPT 重译)(四)(2)https://developer.aliyun.com/article/1485278 9.4 解释卷积神经网络学习的内容 在构建计算机视觉应用程序时的一个基本问题是可解释性:当您只能看到一辆卡车时,为什么您的分类器认为特定图像包含一个冰箱?这在深度学习用于补充人类专业知识的用例中尤为重要,比如在医学成像用例中。我们将通过...

Python 深度学习第二版(GPT 重译)(四)(3)
文章 2024-04-18 来自:开发者社区

Python 深度学习第二版(GPT 重译)(三)(1)

七、使用 Keras:深入探讨 本章涵盖 使用 Sequential 类、功能 API 和模型子类创建 Keras 模型 使用内置的 Keras 训练和评估循环 使用 Keras 回调函数自定义训练 使用 TensorBoard 监控训练和评估指标 从头开始编写训练和评估循环 您现在对 Keras 有了一些经验...

Python 深度学习第二版(GPT 重译)(三)(1)

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问