标签：深度学习

from https://www.cnblogs.com/zlslch/p/6970619.html 机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文总结一下常见的机器学习算法，以供参考...

深度学习 ( Deep Learning ) 是机器学习 ( Machine Learning ) 中近年来备受重视的一支，深度学习根源于类神经网络 ( Artificial Neural Network ) 模型，但今日深度学习的技术和它...

from http://www.jianshu.com/p/6c2925ef47f3 RNN－Recurrent Neural Networks 本文结构： 什么是 Recurrent Neural Networks ？ Recurrent...

mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的。但是CNN层数要多一些，网络模型需要自己来构建。 程序比较复杂，我就分成几个部分来叙述。 首先，下载并加载数据： import tensorflow as tf imp...

刚开始学习tf时，我们从简单的地方开始。卷积神经网络（CNN）是由简单的神经网络（NN）发展而来的，因此，我们的第一个例子，就从神经网络开始。 神经网络没有卷积功能，只有简单的三层：输入层，隐藏层和输出层。 数据从输入层输入，在隐藏层进行加...

本文是学习这个视频课程系列的笔记，课程链接是 youtube 上的， 讲的很好，浅显易懂，入门首选， 而且在github有代码， 想看视频的也可以去他的优酷里的频道找。 Tensorflow 官网 神经网络是一种数学模型，是存在于计算机的神...

CS224d－Day 2: 在 Day 1 里，先了解了一下 NLP 和 DP 的主要概念，对它们有了一个大体的印象，用向量去表示研究对象，用神经网络去学习，用 TensorFlow 去训练模型，基本的模型和算法包括 word2vec，so...

一、mnist数据 深度学习的入门实例，一般就是mnist手写数字分类识别，因此我们应该先下载这个数据集。 tensorflow提供一个input_data.py文件，专门用于下载mnist数据，我们直接调用就可以了，代码如下： impor...

from http://www.cnblogs.com/denny402/p/5852083.html TensorFlow用张量这种数据结构来表示所有的数据。用一阶张量来表示向量，如：v = [1.2, 2.3, 3.5] ，如二阶张量表...

来自 http://www.cnblogs.com/denny402/p/5849416.html 用过一段时间的caffe后，对caffe有两点感受：1、速度确实快; 2、 太不灵活了。 深度学习技术一直在发展，但是caffe的更新跟不上...

作者：杨军 链接：https://www.zhihu.com/question/25097993/answer/127374415 来源：知乎 著作权归作者所有，转载请联系作者获得授权。 Share一些自己关于深度学习模型调试技巧的总结思考...

摘要 深度学习当前在NLP领域发展也相当快，翻译，问答，摘要等基本都被深度学习占领了。 本文给出基于深度学习的中文分词实现，借助大规模语料，不需要构造额外手工特征，在2014年人民日报语料上取得97.5%的准确率。模型基本是参考论文：htt...

原文出处：IT经理网 机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文为您总结一下常见的机器学习算法，以供您在工作和学习中参考。 机器学习的算法很多。很多时候困惑人们都是，很多算法是一类...

来自 http://www.cnblogs.com/subconscious/p/5058741.html 　　神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向–深度学习的基础。学习神经网络不仅可以让你掌握一门强大的...

来自 http://www.cnblogs.com/subconscious/p/4107357.html   　　在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相...

作者: 陈迪豪，就职小米科技，深度学习工程师，TensorFlow代码提交者。 TensorFlow深度学习框架 Google不仅是大数据和云计算的领导者，在机器学习和深度学习上也有很好的实践和积累，在2015年年底开源了内部使用的深度学习...

作者 仙道菜  Abstract 为什么要压缩网络 如何压缩 效果如何 Network Pruning Trained Quantization and Weight Sharing Weight Sharing Initializatio...