深度学习的encoder和decoder 2023年4月12日 上午8:41 • 深度学习 所谓编码,就是将输入序列转化成一个固定长度的向量;解码,就是将之前生成的固定向量再转化成输出序列。 本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:深度学习的encoder和decoder - Python技术站 深度学习 赞 (0) 0 0 打赏 微信扫一扫 支付宝扫一扫 生成海报 【转载】Deep Learning(深度学习)学习笔记整理系列 上一篇 2023年4月12日 一文看懂迁移学习:怎样用预训练模型搞定深度学习? ——重用神经网络的结构 下一篇 2023年4月12日 相关文章 《python深度学习》笔记—6.1、one-hot-encoding 一、总结 一句话总结: 用的texts_to_matrix方法:one_hot_results = tokenizer.texts_to_matrix(samples, mode=’binary’) 这里的one-hot是binary结构:[0. 1. 1. 1. 1. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.… 深度学习 2023年4月13日 000 [转] 深度学习中的注意力机制 from: https://zhuanlan.zhihu.com/p/37601161 注意力模型最近几年在深度学习各个领域被广泛使用,无论是图像处理、语音识别还是自然语言处理的各种不同类型的任务中,都很容易遇到注意力模型的身影。所以,了解注意力机制的工作原理对于关注深度学习技术发展的技术人员来说有很大的必要。 人类的视觉注意力 从注意力模型的命名方式看,很… 深度学习 2023年4月11日 000 关于深度学习的小知识点 Q:CNN最成功的应用是在CV,那为什么NLP和Speech的很多问题也可以用CNN解出来?为什么AlphaGo里也用了CNN?这几个不相关的问题的相似性在哪里?CNN通过什么手段抓住了这个共性? 以上几个不相关问题的相关性在于,都存在局部与整体的关系,由低层次的特征经过组合,组成高层次的特征,并且得到不同特征之间的空间相关性。 CNN抓住此共性… 深度学习 2023年4月10日 000 ubuntu18.04下搭建深度学习环境anaconda2+ cuda9.0+cudnn7.0.5+tensorflow1.7【原创】【学习笔记】 PC:ubuntu18.04、i5、七彩虹GTX1060显卡、固态硬盘、机械硬盘 作者:庄泽彬(欢迎转载,请注明作者) 说明:记录在ubuntu18.04环境下搭建深度学习的环境,之前安装了cuda9.1,与cudnn7.0.5版本的,但是无论怎么安装tensorflow-gpu都是失败,后来找到原因了,目前的tensorflow暂不支持cuda9.1,因此… 深度学习 2023年4月13日 000 深度学习 Deep Learning 5_深度学习UFLDL教程:PCA and Whitening_Exercise(斯坦福大学深度学习教程) 本文是基于Exercise:PCA and Whitening的练习。 理论知识见:UFLDL教程。 实验内容:从10张512*512自然图像中随机选取10000个12*12的图像块(patch),然后对这些patch进行99%的方差保留的PCA计算,最后对这些patch做PCA Whitening和ZCA Whitening,… 2023年4月9日 000 深度学习之自编码器 示例 最近学习DeepLearning, 在网上找到了一个自编码器的代码,运行以下,还比较好用,分享如下。由于代码出处无处可考,故不予特殊说明。 #!/usr/bin/env python3 # -*- coding: utf-8 -*- “”” Created on Mon Jan 1 12:45:57 2018 @author: pc “”” impo… 深度学习 2023年4月13日 000 【深度学习笔记】第 4 课:模型性能评估 training set 训练集 validation set 验证集 test set测试集 这些与衡量你做的怎么样有关 当你知道怎么衡量你在一个问题的表现,问题就解决了一半。(衡量表现的重要性) 每个你将建立的分类器都会尝试记住训练集,并且它通常在这方面会做的很好很好 你的工作 是帮助它泛化到新的数据上 所以我们怎么用测量泛化能力代替测量分类其记住… 深度学习 2023年4月13日 000 深度学习原理与框架-卷积网络细节-网络设计技巧 1. 3个3*3替换7*7卷积核 2. 1*1 和 3*3 替换 3*3卷积核 感受野:对于第一次卷积,如果卷积核是3*3,那么卷积的感受野就是3*3,如果在此卷积上,再进行一次卷积的话,那么这次的卷积的感受野就是5*5 因为5*5的区域,卷积核为3*3, 卷积后每一个点的感受野是3*3,卷积后的区域为3*3 第二次卷积还用用3*3的卷积的话,第二次卷积的结果就变成了1*1,因此每一个点的感受野是5*5 对应于3次卷积的结果,每一… 深度学习 2023年4月13日 000