首页 > TAG信息列表 > withPython
《Deep Learning for Computer Vision withPython》阅读笔记-StarterBundle(第18 - 23章)
18.检查点模型 截止到P265页 //2022.1.18日22:14开始学习 在第13章中，我们讨论了如何在培训完成后将模型保存和序列化到磁盘上。在上一章中，我们学习了如何在发生欠拟合和过拟合时发现它们，使你能够在保留训练时表现良好的模型的同时，剔除表现不佳的实验。 然而，您可能想知道是否《Deep Learning for Computer Vision withPython》阅读笔记-StarterBundle(第11 - 12章)
//2022.1.15日上午11:02阅读笔记 1.卷积神经网络 到目前为止，我们对机器学习和神经网络的全部回顾都指向了这一点:理解卷积神经网络(Convolutional neural networks, cnn)及其在深度学习中的作用。 在传统的前馈神经网络中(就像我们在第10章中学习的那些)，输入层的每个神经元与下《Deep Learning for Computer Vision withPython》阅读笔记-StarterBundle(第8 - 9章)
从本章开始将仅记录书中的重点内容翻译并记录，供日后复习使用 8. 参数化学习 本章的大部分灵感来自Andrej Karpathy在斯坦福cs231n课堂中出色的线性分类注释[74]。非常感谢卡帕西和其他的cs231n助教把这些可访问的笔记放在一起。 8.1线性分类简介 8.1.1参数化学习的四个组成部《Deep Learning for Computer Vision withPython》阅读笔记-StarterBundle(第2 - 3章)
//2021.12.16日下午15：:12开始学习 2.什么是深度学习？ 2.1 神经网络与深度学习简史 在许多应用中，CNN现在被认为是最强大的图像分类器，目前负责推动利用机器学习的计算机视觉子领域的最新发展。要更全面地回顾神经网络和深度学习的历史，请参考Goodfello等人[10]以及Jason Brownlee在