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
54
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
|
7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
算法
数据可视化
|
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。
3801
2
4
|
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。
1241
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。
1448
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。
2230
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
2872
0
0
|
1天前
|
机器学习/深度学习
自然语言处理
算法
深度学习中的自适应神经网络：理论与应用
【7月更文挑战第1天】本文旨在探究自适应神经网络在深度学习领域的理论基础及其在多个应用场景中的实际效能。通过分析自适应机制如何优化网络结构，提高学习效率和模型泛化能力，我们进一步讨论了自适应神经网络面临的主要挑战及未来发展方向。
5
0
0
|
1天前
|
机器学习/深度学习
人工智能
自然语言处理
深度学习在自然语言处理中的应用进展
本文旨在深入探讨深度学习技术在自然语言处理领域的应用与进展。通过分析最新的研究数据和案例，本文揭示了深度学习模型如何推动语言理解、生成和翻译的边界。数据显示，与传统方法相比，深度学习模型在多个NLP任务中展现出更高的准确率和效率。本文将详细讨论这些模型的工作原理，它们的优势与挑战，以及未来可能的发展方向。
3
0
0