加载中
几大规律

1、联动规律 联动和跟风是同一件事。当一个人往屋子外面跑的时候,很快就会有第二个人、第三个人接着往外跑,最后形成一股浪潮。这就是联动规律。 2、气竭规律 一鼓作气、再而衰、三而竭。这...

09/06 15:08
7
老侯带你学Tensorflow之19篇

学习一门新技术,一定要有技巧,找到学习的捷径就能事半功倍。现如今人工智能产业发展迅猛,作为一名程序员来说,不懂点深度学习的知识很容易被时代抛弃。 那么应该学习什么技术呢?笔者以为...

线性回归、损失函数和梯度

实例 首先举个例子,假设我们有一个二手房交易记录的数据集,已知房屋面积、卧室数量和房屋的交易价格,如下表: 假如有一个房子要卖,我们希望通过上表中的数据估算这个房子的价格。这个问题...

09/03 19:01
14
什么是残差网络(ResNet)?

1、残差 残差在数理统计中是指实际观察值与估计值(拟合值)之间的差。在集成学习中可以通过基模型拟合残差,使得集成的模型变得更精确;在深度学习中也有人利用layer去拟合残差将深度神经网...

09/02 17:48
14
深度学习中用到的几种图像操作

视频抽取图片 如何从视频文件中分解出一张张独立的图片? 视频其实就是一张张的图片,利用opencv库可以很容易的从视频文件中抽离出图像文件来,下面我们就看一段示例代码是如何从视频文件中抽...

tensorflow怎么做个性推荐?

个性推荐算法说的很多了,常用的模型是: U*V= Q 其中Q是评分表,一般共3列:用户id,物品id,评分值 U是用户特征表,V是物品特征表。 算法的最终目标就是从Q算出U和V。那么Spark Mllib里有A...

几招让菜鸟程序员变高手

程序员分好多种,顶端的比如阿里腾讯头条的大拿、算法博士、资深架构师等(这里笔者只讨论纯粹技术开发,管理岗不在讨论范围之内);中端的往往是有几年开发经验的工程师,老实说在笔者看来这...

强化学习Actor-Critic算法究竟是怎么回事?

我们有了像Q-learning这么好的算法,为什么还要再折腾出一个Actor-Critic算法呢?原来 Actor-Critic 的 Actor 的前生是 Policy Gradients, 这能让它毫不费力地在连续动作中选取合适的动作,而Q...

def
09/02 10:25
78
强化学习之策略梯度(Policy Gradient)

策略梯度(Policy Gradient)的基本思想,就是直接根据状态输出动作或者动作的概率。注意这里和DQN的区别就是DQN输出动作获取的Q值,而Policy Gradient输出的是动作的概率,两者的输出维度是...

09/01 00:02
14
生成对抗网络(GAN)是干什么用的?

什么是生成对抗网络?生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生...

08/31 23:44
13
什么是卷积和池化

在传统的神经网络中,比如多层感知机(MLP),其输入通常是一个特征向量,需要人工设计特征,然后将这些特征计算的值组成特征向量,在过去几十年的经验来看,人工找到的特征并不是怎么好用,...

08/31 23:34
11
如何开始我的第一个人工智能模型(tensorflow)

安装tensorflow 大家都知道tensorflow是google开发的一款开源的深度学习编程框架,是当今最流行的深度学习开发框架,因此对有志于深度学习研究的小伙伴来说,tensorflow是当仁不让的第一选择...

强化学习的平衡车游戏

openAi开源了一个叫gym的游戏库,这个库里有好多小游戏可以用来做强化学习试验,比如Cart Pole平衡车小游戏。 gym的Cart Pole环境 Cart Pole在OpenAI的gym模拟器里面,是相对比较简单的一个游...

08/31 00:40
31
强化学习DQN

强化学习中有两种重要的方法:Policy Gradients和Q-learning。其中Policy Gradients方法直接预测在某个环境下应该采取的Action,而Q-learning方法预测某个环境下所有Action的期望值(即Q值)。...

08/30 17:12
8
强化学习DDPG的tensorflow代码

Deep Deterministic Policy Gradient简称DDPG。它是在DPG的基础上,为了提高神经网络的稳定性,而参考DQN的实现方式提出的。DDPG建立两个网络,一个target网络,一个eval网络,同时使用经验回...

全连接层和激活层

1. 全连接层 经过前面若干次卷积+激励+池化后,终于来到了输出层,模型会将学到的一个高质量的特征图片全连接层。其实在全连接层之前,如果神经元数目过大,学习能力强,有可能出现过拟合。因...

08/27 13:16
3
Tensorflow手写识别MNIST之CNN模型

tensorflow很擅长于搭建神经网络做图像识别任务,我们用MNIST手写图像集来做数据源,试验经典的深度学习CNN模型。 (1)导入mnist数据集,这里图像image是[batch_size,784]大小,labels是[ba...

Tensorflow影视情感分析IMDB之LSTM篇

用LSTM模型,大部分和IMDB的cnn算法类似,lstm原理这里就不介绍了,只要理解lstm是处理有序文本的带有记忆功能的神经网络模型就可以了。 代码: #import warnings #warnings.filterwarnings(...

cnn文本模型分类影视情感数据IMDB(CNN模型)

1. cnn语言模型 先大概了解一下cnn语言模型的基本原理。 cnn语言模型的基本原理和cnn图像模型类似,也是先通过卷积层提取特征,然后通过池化层减少神经元数量,最后通过类似softmax层输出类别...

个性推荐算法的Spark和Tensorflow实现对比

个性推荐算法说的很多了,常用的模型是: U*V= Q 其中Q是评分表,一般共3列:用户id,物品id,评分值 U是用户特征表,V是物品特征表。 算法的最终目标就是从Q算出U和V。那么Spark Mllib里有A...

没有更多内容

加载失败,请刷新页面

返回顶部
顶部