动手学深度学习02–task03
用户评论
推荐下载
-
动手学深度学习PyTorch笔记三
一 过拟合、欠拟合及其解决方案 欠拟合(underfitting): 一类是模型无法得到较低的训练误差,我们将这一现象称作 过拟合(overfitting):模型的训练误差远小于它在测试数据集上的误差
26 2021-01-16 -
动手学深度学习PyTorch版4
机器翻译及相关技术 1、机器翻译和数据集 机器翻译(MT):将一段文本从一种语言自动翻译为另一种语言,用神经网络解决这个问题通常称为神经机器翻译(NMT)。 主要特征:输出是单词序列而不是单个单词。
26 2021-01-17 -
动手学深度学习PyTorch笔记四
一 机器翻译及相关技术 机器翻译(MT):将一段文本从一种语言自动翻译为另一种语言,用神经网络解决这个问题通常称为神经机器翻译(NMT)。 主要特征:输出是单词序列而不是单个单词。 输出序列的长度可能
18 2021-01-16 -
动手学深度学习课后习题2
《动手学深度学习》学习网址: 《动手学》:过拟合、欠拟合及其解决方案 1. 关于验证数据集的描述错误的是: 答案:测试数据集可以用来调整模型参数。 解析:测试数据集不可以用来调整模型参数,如果使用测试
8 2021-01-16 -
Task03循环神经网络进阶pytorch代码实现
循环神经网络进阶 ⻔控循环神经网络(GRU) 当时间步数较大或者时间步较小时, 循环神经网络的梯度较容易出现衰减或爆炸。虽然裁剪梯度可以应对梯度爆炸,但无法解决梯度衰减的问题。通常由于这个原因,循环神
17 2021-01-16 -
动手学深度学习Pytorch版Task5卷积神经网络
卷积神经网络基础 需要理解卷积神经网络的基础概念,主要是卷积层和池化层、填充、步幅、输入通道和输出通道的含义。 几个经典的模型 LeNet AlexNet VGG NiN GoogLeNet 1×1卷
23 2021-02-01 -
动手学深度学习PyTorch版学习笔记2
卷积神经网络基础 本节我们介绍卷积神经网络的基础概念,主要是卷积层和池化层,并解释填充、步幅、输入通道和输出通道的含义。 二维卷积层 本节介绍的是最常见的二维卷积层,常用于处理图像数据。 二维互相关运
28 2021-01-10 -
伯禹学习平台动手学深度学习2
因为前面那种写法过于累赘,所以改变写作策略,笔记是写给自己看的,所以把自己比较懂的都不写了,每段大概就两三句话让自己回头看的时候能知道这里讲的是什么,学习资料里简短的易懂的可能还会直接贴原文,这样可以
9 2021-01-16 -
伯禹学习平台动手学深度学习3
学习笔记Task4,这部分没什么兴趣应该不会写有关自己的理解了,直接转过来了,虽然其他的也和转载的差不多。转自伯禹学习平台的动手学深度学习课程 机器翻译及相关技术 机器翻译和数据集 机器翻译(MT):
27 2021-01-16 -
动手学深度学习_最新中文版
代码+视频,很好的深度学习入门书籍!亚马逊出品,李沐主讲!
16 2019-02-22
暂无评论