前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 随着课程的结束,我们仿佛在知识的海洋中航行了很久,有时感觉收获颇丰,有时又觉得仍有许多未知。这就是本次课程的目的,通过最简单直接的方式
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 上节课我们学习了如何使用词嵌入将句子转换为词向量序列。由于语言数据在时间上的关联性,我们需要一种能够处理这种关联性的神经网络。这节课,
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 对于时间上有关联性的数据,如语音和文字,我们需要一种能够理解序列数据的神经网络。这种网络就是循环神经网络(RNN)。RNN的设计理念是
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 卷积层在神经网络中的应用 在上节课中,我们学到了卷积操作的基本概念。现在,让我们看看如何将卷积运算应用到神经网络中。 假设我们有一个8
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 图片识别 在机器学习和神经网络的世界里,对于不想深入了解复杂原理的初学者来说,有一个非常适合入门的项目,那就是手写体数字识别。这个任务
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 深度学习简介 深度学习的核心在于让神经网络通过增加隐藏层和神经元来深入学习数据。这样做可以帮助模型发现数据中复杂的规律,从而做出更准确
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 值得注意的是,该课程的keras框架当时是独立的,现在keras已经集成在tf2里了。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 我们已经学完了七节课,这些课程都是关于神经网络
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 判断豆豆的毒性 判断一个人是否擅长打篮球,不能只看身高,还得考虑体重、灵活性,以及训练的刻苦程度等因素。同样,我们之前用豆豆的大小来预
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 面对豆豆毒性的新变化,我们需要一种新的预测模型来适应这种非单调的变化。传统的线性模型或简单的激活函数模型可能无法捕捉这种复杂的模式,因
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 代码及工具箱 本专栏的代码和工具函数已经上传到GitHub:1571859588/xiaobai_AI: 零基础入门人工智能 (github.com),可以找到对应课程的代码 正文 智能体的分类思考 在前面的学习中,我们了解到通过梯度下降算法和前向、反向传播的训练,可以让一个智能体(如小蓝)从直觉出发,自动学习并调
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 本文【原文】章节来自课程的对白,由于缺少图片可能无法理解,故放到了最后,建议直接看代码(代码放到了前面)。 代码实现 任务 在引入b后绘制代价函数界面,看看到底是不是一个碗 在w和b两个方向上分别求导,得到这个曲面某点的梯度进行梯度下降,拟合数据 绘制三维的方差代价函数 dataset.py
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 本文【原文】章节来自课程的对白,由于缺少图片可能无法理解,故放到了最后,建议直接看代码(代码放到了前面)。 代码实现 dataset.py import numpy as np def get_beans(counts): xs = np.random.rand(counts) xs = n
前言 本文教程均来自b站【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 本文【原文】章节来自课程的对白,由于缺少图片可能无法理解,故放到了最后,建议直接看代码(代码放到了前面)。 代码实现 dataset.py内容如下 import numpy as np def get_beans(counts): xs = np.random.rand(counts) xs
本文教程参考自b站收费课程【小白也能听懂的人工智能原理】,感兴趣的可自行到b站观看。 毫无人工智能基础的同学可以先看这一专栏,由于这个专栏使用的是keras框架,但跟Pytorch的语法结构大致相同,看完这个专栏之后可以看【深度学习理论和Pytorch实战】专栏进行常见深度学习理论和Pytorch的学习。 该专栏已完结~
博客
泡泡
积分
勋章
精选【初学人工智能原理】【14】机器学习:最后一节课也是第一节课(完结)
【初学人工智能原理】【13】LSTM网络:自然语言处理实践
【初学人工智能原理】【12】循环:序列依赖问题
【初学人工智能原理】【11】卷积神经网络:图像识别实战
【初学人工智能原理】【10】卷积神经网络:打破图像识别的瓶颈
【初学人工智能原理】【9】深度学习:神奇的DeepLearning
【初学人工智能原理】【8】初识Keras:轻松完成神经网络模型搭建
【初学人工智能原理】【7】高维空间:机器如何面对越来越复杂的问题
【初学人工智能原理】【6】隐藏层:神经网络为什么working
【初学人工智能原理】【5】激活函数:给机器注入灵魂
【初学人工智能原理】【4】梯度下降和反向传播:能改(下)
【初学人工智能原理】【3】梯度下降和反向传播:能改(上)
【初学人工智能原理】【2】方差代价函数:知错
【初学人工智能原理】【1】一元一次函数:感知器如何描述直觉
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信