用于机器学习的卷积神经网络速成课程 2020-06-10 机器学习 卷积神经网络是一种功能强大的人工神经网络技术。 这些网络保留了问题的空间结构，是为对象识别任务(如手写数字识别)而开发的。它们之所以受欢迎，是因为人们在困难的计算机视觉和自然语言处理任务中取得了最先进的结果。 在这篇文章中，你将发现用于深度学习的卷积神经网络，也称为ConvNets或CN [......] 了解详情 Python
卷积神经网络汇聚层的简要介绍 2020-06-08 机器学习 卷积神经网络中的卷积层总结了输入图像中特征的存在。 输出要素地图的一个问题是它们对输入中要素的位置很敏感。解决这种敏感性的一种方法是对特征地图进行下采样。这具有使得到的下采样特征图对图像中的特征位置的改变更稳健的效果，技术短语“局部平移不变性”指的是该位置的改变。 通过汇总要素地图的补丁 [......] 了解详情 Python
如何使用Keras获得可重现的结果 2020-06-05 机器学习 神经网络算法是随机的。 这意味着它们利用了随机性，例如初始化为随机权重，反过来，在相同数据上训练的相同网络可以产生不同的结果。 这可能会让初学者感到困惑，因为算法看起来不稳定，实际上他们是被设计出来的。随机初始化允许网络学习正被学习的函数的良好近似值。 然而，有时每次对相同的数据训 [......] 了解详情 Python
如何利用Keras中的长、短期记忆模型进行预测 2020-06-03 机器学习 开发LSTM模型的目标是你可以在序列预测问题上使用的最终模型。 在这篇文章中，你将了解如何最终确定你的模型，并使用它对新数据进行预测。 完成这篇文章后，你将知道： 如何训练最终的LSTM模型。 如何保存最终的LSTM模型，并在以后再次 [......] 了解详情 Python
如何在Python中生成随机数 2020-06-02 机器学习 随机性的使用是机器学习算法配置和评估的重要组成部分。 从人工神经网络中权重的随机初始化，到将数据分割成随机训练集和测试集，再到随机梯度下降中训练数据集的随机洗牌，生成随机数并利用随机性是必需的技能。 在本教程中，你将了解如何在Python中生成和使用随机数。 完成本教程后，你将了解 [......] 了解详情 Python
亚马逊Web服务上深度学习的10个命令行方法 2020-06-01 机器学习 在Amazon Web Services EC2上运行大型深度学习过程是学习和开发模型的一种廉价而有效的方式。 只需几美元，你就可以访问数十亿字节的RAM、数十个CPU内核和多个GPU。我强烈推荐。 如果你是EC2或Linux命令行的新手，当你在云中运行深度学习脚本时，你会发现有一套命令 [......] 了解详情 Python
如何使用学习曲线诊断机器学习模型的性能 2020-05-31 机器学习 学习曲线是模型学习性能随经验或时间变化的曲线图。 学习曲线是机器学习中广泛使用的诊断工具，用于从训练数据集增量学习的算法。在训练期间的每次更新之后，可以在训练数据集和坚持验证数据集上评估该模型，并且可以创建测量的性能的曲线图来显示学习曲线。 在训练期间查看模型的学习曲线可用于诊断学习问题 [......] 了解详情 Python
如何从头开始开发CIFAR-10照片分类的CNN 2020-05-30 机器学习 CIFAR-10小照片分类问题是用于计算机视觉和深度学习的标准数据集。 虽然数据集得到了有效的解决，但它可以作为学习和实践如何从头开始开发、评估和使用卷积深度学习神经网络进行图像分类的基础。 这包括如何开发健壮的测试工具来评估模型的性能，如何探索对模型的改进，以及如何保存模型并在以后加载 [......] 了解详情 Python
浅谈小批量梯度下降及批量配置 2020-05-28 机器学习 随机梯度下降是训练深度学习模型的主要方法。 梯度下降有三种主要的变体，使用哪一种可能会让人感到困惑。 在这篇文章中，你会发现你通常应该使用的一种渐变下降，以及如何配置它。 完成这篇文章后，你将知道： 什么是梯度下降，以及它是如何从高水平上发挥作用的。 [......] 了解详情 Python
机器学习中的梯度下降算法 2020-05-27 机器学习 优化是机器学习的重要组成部分。几乎每种机器学习算法的核心都有一个优化算法。 在这篇文章中，你会发现一个简单的优化算法，你可以和任何机器学习算法一起使用。它很容易理解，也很容易实现。读完这篇文章后，你就会知道： 什么是梯度下降？ 如何在线性回 [......] 了解详情 Python
