Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
3.2 图像分类
文章目录 LeNet 小图像 LeNet在手写数字识别上的应用 LeNet在眼疾识别数据集iChallenge PM上的应用 数据集准备 查看数据集图片 定义数据读取器 启动训练 AlexNet 大图像 VGG 深度 GoogLeNet 深
零基础实践深度学习
分类
深度学习
计算机视觉
4.3 AI识虫比赛
文章目录 一 查看环境并准备数据 二 启动训练 三 启动评估 计算精度指标 四 预测单张图片并可视化预测结果 五 提升方案 一 查看环境并准备数据 查看当前挂载的数据集目录 该目录下的变更重启环境后会自动还原 ls home aistudi
零基础实践深度学习
cnn
计算机视觉
深度学习
目标检测
1.3.3 手写数字识别之损失函数
文章目录 概述 分类任务的损失函数 Softmax函数 交叉熵 交叉熵的代码实现 概述 上一节我们尝试通过更复杂的模型 经典的全连接神经网络和卷积神经网络 提升手写数字识别模型训练的准确性 本节我们继续将 横纵式 教学法从横向展开 如 图1
零基础实践深度学习
机器学习
算法
深度学习
1.3.8 手写数字识别之动转静部署
动静转换 动态图有诸多优点 比如易用的接口 Python风格的编程体验 友好的调试交互机制等 在动态图模式下 代码可以按照我们编写的顺序依次执行 这种机制更符合Python程序员的使用习惯 可以很方便地将脑海中的想法快速地转化为实际代码 也
零基础实践深度学习
python
深度学习
人工智能
1.3.2 手写数字识别之网络结构
文章目录 概述 数据处理 一 经典的全连接神经网络 二 卷积神经网络 概述 前几节我们尝试使用与房价预测相同的简单神经网络解决手写数字识别问题 但是效果并不理想 原因是手写数字识别的输入是28 28的像素值 输出是0 9的数字标签 而线性回
零基础实践深度学习
深度学习
python
神经网络
1.3 手写数字识别任务
文章目录 横纵式 教学法 一 加载类库 二 数据处理 飞桨API的使用方法 三 模型设计 四 训练配置 五 训练过程 六 模型测试 横纵式 教学法 在本教程中 我们采用了专门为读者设计的创新性的 横纵式 教学法进行深度学习建模介绍 如 图4
零基础实践深度学习
深度学习
机器学习
人工智能
1.3.1 手写数字识别之数据处理
文章目录 概述 一 加载类库 二 读入数据并划分数据集 扩展阅读 为什么针对固定数据集的模型总在不断精进呢 三 训练样本乱序 生成批次数据 四 校验数据有效性 机器校验 人工校验 五 封装数据读取与处理函数 六 异步数据读取 七 扩展阅读
零基础实践深度学习
python
人工智能
深度学习
1.3.6 手写数字识别之训练调试与优化.md
文章目录 概述 一 计算模型的分类准确率 二 检查模型训练过程 三 加入校验或测试 四 加入正则化项 4 1 过拟合现象 4 2 导致过拟合原因 4 3 过拟合的成因与防控 4 4 正则化项 五 可视化分析 5 1 使用Matplotlib
零基础实践深度学习
深度学习
机器学习
python
1.1 波士顿房价预测
文章目录 一 问题分析 1 1 线性回归模型 1 2 五步法 二 数据处理 2 1 数据导入 2 2 数据形状变换 2 3 数据集划分 2 4 数据归一化处理 2 5 封装成load data函数 2 6 获取归一化后的训练集和测试集 三
零基础实践深度学习
机器学习
深度学习
人工智能