神经网络心得体会,简单循环神经网络
人工智能自诞生以来,其理论和技术日益成熟,应用领域不断扩大。目前人工智能(AI)已经以雷霆万钧之势从学术界潜入到行业的各个角落,其价值可想而知。人工智能是一门具有挑战性的科学。从事这项工作的人必须懂得计算机知识、心理学和哲学。机器学习中的神经网络是研究人工智能最热门的方向,多层复杂神经网络发展到现在的深度学习。
数学基础:高等数学、线性代数、概率论和数理统计(后两者在本文中可能没那么重要)编程基础:Python(https://www.runoob.com/python/python-tutorial.html)1.AI从入门到放弃:BP神经网络算法推导及代码实现笔记:https://zhuanlan.zhihu.com/p/38006693
总结:这部分是学习神经网络的前提,其中梯度下降法需要掌握(高等数学的知识点很多),神经网络中的梯度下降法或BP算法使用高等数学中的链求导法则(可以顺着这个方向)。链接很多,但是有三点是我们需要掌握的:梯度下降法,BP算法,损失函数的定制(提供的链接没有提到,但是用到了,也有人用信息论的知识定制损失函数)。
2.神经网络或深度学习框架的选择:https://blog.csdn.net/broadview2006/article/details/79147351
总结:我觉得我讲的不错,也用pytorch的框架。但是也有必要列出其他的神经网络框架,如下图所示。Pytorch框架学习教程:https://github.com/zergtant/pytorch-handbook
3.搭建我们所需的环境:这部分我也弄了很长时间,主要原因是pytorch所需要的包都是从国外下载,下载速度很慢导致崩溃。
第一步,选择Python的编程工具。
推荐使用清华的源码Anaconda(https://mirrors . tuna . Tsinghua . edu . cn/Anaconda/archive/)。下载后就可以安装了。这个工具是Python环境自带的。
第二,安装pytorch环境。
Pytorch安装和配置:https://blog.csdn.net/tough_strong/article/details/103137029
注意:安装的第二步容易出错。
所有工作完成后,我们就可以在GitHub(https://github.com/)上找一个项目运行了(本文不做详细解释)。运行后,可以尝试自己写代码。
最后放上一些自己觉得不错的链接,因为写这篇文章的初衷就是为了收集几个链接,怕以后找不到。
卷积网络特征图的可视化(自定义网络和VGG网络);
https://blog.csdn.net/dcrmg/article/details/81255498
Pytorch中正确设计和加载数据集的方法:
https://ptorch.com/news/215.html
Pytorch使用(I)来处理和加载自己的数据:
https://blog.csdn.net/gyguo95/article/details/78821520/
Pytorch:从读取数据到项目落地:
https://blog.csdn.net/qq_26697045/article/details/100987856
fastrcnn张量流代码的理解:
https://www.cnblogs.com/darkknightzh/p/10043864.html
fast-rcnn,github tf代码解释记录:
https://blog.csdn.net/qq_41576083/article/details/82966489
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。