IP属地：浙江
-
《动手学》：卷积神经网络进阶_课后作业
深度卷积神经网络（AlexNet） LeNet: 在大的真实数据集上的表现并不尽如⼈意。 1.神经网络计算复杂。 2.还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。 ...
-
《动手学》：LeNet_课后作业
LeNet 主要内容包括： lenet 模型介绍 lenet 网络搭建 运用lenet进行图像识别-fashion-mnist数据集 具体内容(附代码)链接：https://...
-
《动手学》：卷积神经网络基础_课后作业
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。 具体内容(附代码)链接：https://www.ke...
-
《动手学》：梯度消失、梯度爆炸_课后作业
梯度消失、梯度爆炸以及Kaggle房价预测 主要内容包括： 1.梯度消失和梯度爆炸 2.考虑到环境因素的其他问题 3.Kaggle房价预测 具体内容(附代码)链接：https...
-
《动手学》：Transformer_课后作业Transformer 在之前的章节中，我们已经介绍了主流的神经网络架构如卷积神经网络（CNNs）和循环神经网络（RNNs）。让我们进行一些回顾： CNNs 易于并行化，却不...
-
《动手学》：注意力机制与Seq2seq模型_课后作业注意力机制 在“编码器—解码器（seq2seq）”⼀节⾥，解码器在各个时间步依赖相同的背景变量（context vector）来获取输⼊序列信息。当编码器为循环神经⽹络时，背...
-
《动手学》：机器翻译及相关技术_课后作业
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）。 具体内容(附代码)链接：https://www.kesci...
-
《动手学》：过拟合、欠拟合及其解决方案_课后作业
过拟合、欠拟合及其解决方案 主要内容包括： 1.过拟合、欠拟合的概念 2.权重衰减 3.丢弃法 具体内容(附代码)链接：https://www.kesci.com/org/b...
-
《动手学》：循环神经网络进阶_课后作业GRU 具体内容(附代码)链接：https://www.kesci.com/org/boyuai/project/5e4291f05f2816002ce8f9a0 代码讲解视...
-
《动手学》：循环神经网络基础_课后作业循环神经网络 具体内容(附代码)链接：https://www.kesci.com/org/boyuai/project/5e42c3ad5f2816002ce979b0 代码...
-
《动手学》：语言模型_课后作业
语言模型 一段自然语言文本可以看作是一个离散时间序列，给定一个长度为T的词的序列w1,w2,…,wT，语言模型的目标就是评估该序列是否合理，即计算该序列的概率： P(w1,w...
-
《动手学》：文本预处理_课后作业
文本预处理 主要内容包括： 1.读入文本 2.分词 3.建立字典，将每个词映射到一个唯一的索引（index） 4.将文本从词的序列转换为索引的序列，方便输入模型 具体内容(附...
-
《动手学》：多层感知机_课后作业
多层感知机 主要内容包括： 1.多层感知机的基本知识 2.使用多层感知机图像分类的从零开始的实现 3.使用pytorch的简洁实现 具体内容(附代码)链接：https://w...
-
《动手学》：Softmax与分类模型_课后作业
softmax和分类模型 主要内容包括： 1.softmax回归的基本概念 2.如何获取Fashion-MNIST数据集和读取数据 3.softmax回归模型的从零开始实现，...
-
《动手学》：线性回归_课后作业
线性回归 主要内容包括： 1.线性回归的基本要素 2.线性回归模型从零开始的实现 3.线性回归模型使用pytorch的简洁实现 具体内容(附代码)链接：https://www...