深度学习
-
《神经网络和深度学习》系列文章六:通过梯度下降法学习参数
出处: Michael Nielsen的《Neural Network and Deep Learning》,点击末尾“阅读原文”即可查看英文原文。 本节译者:哈工大SCIR本科生 赵怀鹏 (https://github.com/zhaohuaipeng) 声明:我们将在每周一,周四,周日定期连载该书的中文翻译,如需转载请联系wechat_editors@i…
-
《神经网络和深度学习》系列文章九:反向传播算法是如何工作的
出处: Michael Nielsen的《Neural Network and Deep Learning》,点击末尾“阅读原文”即可查看英文原文。 本节译者:哈工大SCIR硕士生 李忠阳 (https://github.com/eecrazy) 声明:我们将在每周一,周四,周日定期连载该书的中文翻译,如需转载请联系wechat_editors@ir.hit…
-
《神经网络和深度学习》系列文章七:实现我们的神经网络来分类数字(下)
尝试创建只有两层的神经网络,一个784个神经元的输入层和一个10个神经元的输出层,没有隐含层。用随机梯度下降法来训练这个网络。你能取得多高的分类精度? 早些时候,我跳过了MNIST数据时如何被加载的细节。它相当的简单。为了完整性,这是代码。被用于存储MNIST数据的数据结构在文档注释中被说明。这是简单明了的事情,由Numpy的ndarray对象构成的元组和列…
-
深度学习——优化器算法Optimizer详解(BGD、SGD、MBGD、Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam)
在机器学习、深度学习中使用的优化算法除了常见的梯度下降,还有 Adadelta,Adagrad,RMSProp 等几种优化器,都是什么呢,又该怎么选择呢? 在 Sebastian Ruder 的这篇论文中给出了常用优化器的比较,今天来学习一下:https://arxiv.org/pdf/1609.04747.pdf 本文将梳理: 每个算法的梯度更新规则和缺点…
-
现在你可以通过深度学习用别人的声音来说话了
语音合成(Text-to-speech,TTS)是指文本到音频的人工转换,也可以说给定一段文字去生成对应的人类读音。人类通过阅读来完成这项任务,而一个好的TTS系统是让计算机自动完成这项任务。 在打造这样一个系统时,一个非常有趣的地方是为生成的音频选择哪个声音,是男人还是女人的声音?声音是大还是小? 在使用深度学习创建TTS时,这有一个限制,你必须收集文…
-
利用Tengine在树莓派上跑深度学习网络
树莓派是国内比较流行的一款卡片式计算机,但是受限于其硬件配置,用树莓派玩深度学习似乎有些艰难。最近OPENAI为嵌入式设备推出了一款AI框架Tengine,其对于配置的要求相比传统框架降低了很多,我尝试着在树莓派上进行了搭建并成功运行了Mobilenet-SSD。 Tengine简介 OAID/Tengine|github Tengine 是OPEN AI …
-
让深度学习更高效运行的两个视角
原文链接: https://zhuanlan.zhihu.com/p/33693725 作为顶尖的自动驾驶公司,Momenta一直专注于打造自动驾驶大脑,这一过程离不开深度学习的高效运行。 2月1日晚,Momenta联合量子位吃瓜社栏目带来了Paper Reading第二季首期分享:让深度学习更高效运行的两个视角。 本期主讲人王晋玮是特征点定位专家、深度学习…
-
ImageNet 历届冠军最新评析:哪个深度学习模型最适合你?
原文链接: https://mp.weixin.qq.com/s/I5XgYrPCCGyfV2qTI0sJhQ 深度神经网络自出现以来,已经成为计算机视觉领域一项举足轻重的技术。其中,ImageNet 图像分类竞赛极大地推动着这项新技术的发展。精确计算水平取得了稳步的增长,但颇具吸引力的模型应用尚未得到合理的利用。 本文将综合分析实际应用中的几项重要指标:准…
-
深度学习在生物信息上的应用
问题: DL的难点 目前机器学习和深度学习能做些什么?不能做什么? 机器学习的基本框架,分类 深度学习的基本框架,分类 如何最快的将深度学习应用到生物信息学、药物发现上? 为什么我应该学习深度学习? 深度学习开发框架的选择,用Google的还是Facebook的? 为什么深度学习必须要用GPU,和CPU的差别在哪? DL的难点 GPU设备的门槛,自己…
-
《python深度学习》笔记—8.5、生成式对抗网络简介
一、总结 一句话总结: 【gan可以替代VAE来学习图像的潜在空间,它能够迫使生成图像与真实图像在统计上几乎无法区分】:生成式对抗网络(GAN,generative adversarial network)由Goodfellow 等人于2014 年提 出 a,它可以替代VAE 来学习图像的潜在空间。它能够迫使生成图像与真实图像在统计上几乎无 法区分,从而生成…