1：特征是关键点：
2：卷积神经网络介绍：
3：单卷积核计算（1）：
4：单卷积核计算（2）
5：深度学习卷积的重要概念：
6：多卷积核计算（1）
7：图像不变性（1）：
8：图像不变性（2）：
华为ICT——第四章深度学习和积卷神经
2023-11-27
65
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
特征是关键点
目录
相关文章
|
3月前
|
机器学习/深度学习
算法
文件存储
|
10月前
|
机器学习/深度学习
计算机视觉
|
机器学习/深度学习
|
机器学习/深度学习
人工智能
自然语言处理
深度学习教程 | CNN应用：人脸识别和神经风格转换
本节介绍计算机视觉中其他应用，包括：人脸识别、Siamese网络、三元组损失Triplet loss、人脸验证、CNN表征、神经网络风格迁移、1D与3D卷积。
3835
2
4
|
机器学习/深度学习
算法
数据可视化
|
机器学习/深度学习
算法
网络架构
带你读《基于浏览器的深度学习 》之二：神经网络架构
本书是Web开发和深度学习的跨界，主要介绍基于浏览器的深度学习技术，具体内容包括神经网络架构、主流的JavaScript深度学习框架、深度学习的JavaScript基础、基于WebGL的GPU加速、浏览器上的数据抽取和操作，以及tensorflow.js实践应用。每章都配有完整的代码示例以及可视化效果，轻松易学。也详细介绍了tensorflow.js重要的模块tfjs-core、tfjs-layers、tfjs-node、tfjs-converter等。
1302
0
0
|
机器学习/深度学习
测试技术
【ICML Oral】DeepMind提出深度学习新方向：神经过程模型
函数逼近是机器学习中许多问题的核心，DeepMind的最新研究结合了神经网络和随机过程的优点，提出神经过程模型，在多任务上实现了很好的性能和高计算效率。
2273
0
0
|
机器学习/深度学习
算法
大数据
吴恩达深度学习中文版笔记：人脸识别和神经风格转换
2883
0
0
|
机器学习/深度学习
机器人
TensorFlow
我用 tensorflow 实现的“一个神经聊天模型”：一个基于深度学习的聊天机器人
概述
这个工作尝试重现这个论文的结果 A Neural Conversational Model (aka the Google chatbot).
它使用了循环神经网络（seq2seq 模型）来进行句子预测。
1463
0
0
|
7天前
|
机器学习/深度学习
数据采集
自然语言处理
深度学习在自然语言处理中的应用与挑战
本文探讨了深度学习技术在自然语言处理（NLP）领域的应用，包括机器翻译、情感分析和文本生成等方面。同时，讨论了数据质量、模型复杂性和伦理问题等挑战，并提出了未来的研究方向和解决方案。通过综合分析，本文旨在为NLP领域的研究人员和从业者提供有价值的参考。
24
5
5
热门文章
最新文章
1
手把手教你用Python实践深度学习
2
通过阿里云容器服务深度学习解决方案上手Caffe+多GPU训练
3
Pytorch2 如何通过算子融合和 CPU/GPU 代码生成加速深度学习
4
GitHub标星23k+，从零开始的深度学习实用教程 | PyTorch官方推荐
5
深度学习修炼（六）—— 分类任务
6
DL：深度学习框架Pytorch、 Tensorflow各种角度对比
7
使用 PyTorch Lightning 将深度学习管道速度提高 10 倍
8
如何从系统层面优化深度学习计算？
9
《阿里云天池大赛赛题解析（深度学习篇）》导读
10
IBM：最新突破将大幅提升深度学习速度