深度學習

所謂深度神經網絡的優化算法，即用來更新神經網絡參數，并使損失函數最小化的算法。優化算法對于深度學習非常重要，網絡參數初始化決定模型是否收斂，而優化算法的性能則直接影響模型的訓練效率。 ... ?

前言 神經網絡的歷史和背景 神經網絡是一種模擬人類神經系統的計算模型，它由大量簡單的神經元單元組成，通過它們之間的連接和傳遞信息來模擬人腦的學習和推理過程。神經網絡起源于上世紀40年代，當時Warren McCulloch和Walter Pitts提出了一種可模擬生物神經元的數學模型，這是第一個神經 ... ?

I.前言 介紹RNN的概念和應用 RNN（Recurrent Neural Network，循環神經網絡）是一類能夠處理序列數據的神經網絡，它在處理時考慮了之前的狀態，因此能夠對序列數據中的每個元素進行建模和預測。 RNN的應用非常廣泛，特別是在自然語言處理和時間序列分析方面。以下是RNN在各個領域 ... ?

引言： 信息時代的高速發展導致數據的大量產生與頻繁傳輸，單單依靠人力很難處理這些數據。依托于人工智能的興起與發展，數據的利用變得更加高效。表格作為數據的一種重要載體，是人們為了讓數據的組織形式更加標準和結構化而使用的一種數據類型。 表格的特點： 信息高度精煉集中，方便信息的檢索和比較。表格被廣泛用于 ... ?

本文介紹基于Python語言，對神經網絡模型的結構進行可視化繪圖的方法~ ??本文介紹基于Python語言，對神經網絡模型的結構進行可視化繪圖的方法。 ??最近需要進行神經網絡結構模型的可視化繪圖工作。查閱多種方法后，看到很多方法都比較麻煩，例如單純利用graphviz模塊，就需要手動用 ?

文章地址 介紹 訓練好的模型要給業務調用，deepjavalibrary/djl：Java 中與引擎無關的深度學習框架 (github.com) 可以完成這件事，它支持使用 Java 調用 PyTorch、TensorFlow、MXNet、ONNX、PaddlePaddle 等引擎的模型（也支持部分 ?

目錄 1 寫在前面 2 代碼分解介紹 2.1 準備工作 2.2 參數配置 2.3 原有模型刪除 2.4 數據導入與數據劃分 2.5 Feature Columns定義 2.6 模型優化方法構建與模型結構構建 2.7 模型訓練 2.8 模型驗證與測試 2.9 精度評定、擬合圖像繪制與模型參數與精度 ?

本文介紹基于Python下OneHotEncoder與pd.get_dummies兩種方法，實現機器學習中最優的編碼方法——獨熱編碼的方法~ ... ?

當我們處理的數據具有不同尺度時，執行數據標準化操作是很有必要的。本文給出了數據標準化(Normalization)的定義、常用方法以及為什么要做數據標準化，并給出相關代碼實現。 前言 一，Normalization 概述 1.1，Normalization 定義 1.2，什么情況需 ?

本文介紹基于MATLAB實現人工神經網絡（ANN）回歸的詳細代碼與操作。 在之前的文章MATLAB實現隨機森林（RF）回歸與自變量影響程度分析中，我們對基于MATLAB的隨機森林（RF）回歸與變量影響程度（重要性）排序的代碼加以詳細講解與實踐。本次我們繼續基于MATLAB，對另一種常用的機器學習方法 ... ?

本文介紹基于MATLAB，利用隨機森林（RF）算法實現回歸預測，以及自變量重要性排序的操作。 本文分為兩部分，首先是對代碼進行分段、詳細講解，方便大家理解；隨后是完整代碼，方便大家自行嘗試。另外，關于基于MATLAB的神經網絡（ANN）代碼與詳細解釋，我們將在后期博客中介紹。 1 分解代碼 1.1 ... ?

本文介紹基于Python語言中TensorFlow的Keras接口，實現深度神經網絡回歸的方法。 1 寫在前面 前期一篇文章Python TensorFlow深度學習回歸代碼：DNNRegressor詳細介紹了基于TensorFlow tf.estimator接口的深度學習網絡；而在TensorFl ... ?

本文介紹基于Python語言中TensorFlow的tf.estimator接口，實現深度學習神經網絡回歸的具體方法~ ??本文介紹基于Python語言中TensorFlow的tf.estimator接口，實現深度學習神經網絡回歸的具體方法。 目錄 1 寫在前面 2 代碼分解介紹 ?

NLP知識圖譜項目合集（信息抽取、文本分類、圖神經網絡、性能優化等） 這段時間完成了很多大大小小的小項目，現在做一個整體歸納方便學習和收藏，有利于持續學習。 1. 信息抽取項目合集 1.PaddleNLP之UIE技術科普【一】實例：實體識別、情感分析、智能問答https://aistudio.b ?

深度學習是機器學習的一個特定分支。我們要想充分理解深度學習，必須對機器學習的基本原理有深刻的理解。 大部分機器學習算法都有超參數（必須在學習算法外手動設定）。機器學習本質上屬于應用統計學，其更加強調使用計算機對復雜函數進行統計估計，而較少強調圍繞這些函數證明置信區間；因此我們會探討兩種統計學的主要... ... ?

本文分析了激活函數對于神經網絡的必要性，同時講解了幾種常見的激活函數的原理，并給出相關公式、代碼和示例圖。從機器學習的角度來看，神經網絡其實就是一個非線性模型，其基本組成單元為具有非線性激活函數的神經元，通過大量神經元之間的連接，使得多層神經網絡成為一種高度非線性的模型。神經元之間的連接權重就是需要... ... ?

TensorRT 是 NVIDIA 官方推出的基于 CUDA 和 cudnn 的高性能深度學習推理加速引擎，能夠使深度學習模型在 GPU 上進行低延遲、高吞吐量的部署。采用 C++ 開發，并提供了 C++ 和 Python 的 API 接口，支持 TensorFlow、Pytorch、Caffe、M ?

目錄 前言 大綱 實現 1. 獲取數據 2. 處理數據 3. 搭建并訓練模型 4. 生成文本邏輯 5. 預測 6. 保存和讀取模型 前言 本文使用 cpu 的 tensorflow 2.8 來完成 GRU 文本生成任務。如果想要了解文本生成的相關概念，可以參考我之前寫的文章：htt ?

目錄 對單詞最后一個字母的預測 結果打印 對單詞最后一個字母的預測 LSTM 的原理自己找，這里只給出簡單的示例代碼，就是對單詞最后一個字母的預測。 # LSTM 的原理自己找，這里只給出簡單的示例代碼 import tensorflow as tf import numpy a ?

處理數據樣本的代碼會因為處理過程繁雜而變得混亂且難以維護，在理想情況下，我們希望數據預處理過程代碼與我們的模型訓練代碼分離，以獲得更好的可讀性和模塊化，為此，PyTorch提供了torch.utils.data.DataLoader 和 torch.utils.data.Dataset兩個類用于數據... ... ?