基于Pytorch的神经网络之Classfication
1.引言我们上次介绍了神经网络主要功能之一预测，本篇大部分内容与回归相似，有看不懂的点可以看看我回归Regression，今天介绍一下神经网络的另一种功能：分类。2.网络搭建2.1 准备工作还是先引用我们所需要的库，和回归所需的一样。import torchimport torch.nn.funct
基于Pytorch的神经网络之Regression
目录1.引言2.神经网络搭建2.1 准备工作2.2 搭建网络2.3 训练网络3.效果4. 完整代码1.引言我们之前已经介绍了神经网络的基本知识，神经网络的主要作用就是预测与分类，现在让我们来搭建第一个用于拟合回归的神经网络吧。2.神经网络搭建2.1 准备工作要搭建拟合神经网络并绘图我们需要使用pyt
神经网络之激活函数
1.引言上一篇文章我们提到了神经网络中前向传播中数据经过线性变换后会传入一个激活函数(activation function),以满足我们解决非线性问题的需求。2.激活函数类常见的激活函数有以下四种。2.1 Sigmoid2.1.1 表达式与图像表达式：图像：2.1.2 优缺点优点：将整个实轴映射到
从零开始的神经网络构建历程（一）
这是构建神经网络历程系列的第一篇博文。本篇博文主要讲述Python中torch库在神经网络构建中的相关用法。torch库成员与神经网络中相关模块的对应关系由于逻辑回归以及其他机器学习算法解决不了非线性分类/回归问题，所以深度学习理论诞生了，上世纪60年代由此产生了神经网络模型。最早的一大批神经网络都
论文导读：Universal Adversarial Training
在这篇论文中，作者提出了一种优化的方法来找到给定模型的通用对抗样本（首先在 Moosavi-Desfooli 等人 [1] 中引入）。作者还提出了一种低成本算法来增强模型对此类扰动的鲁棒性。
深度学习主干网络-VGG16论文网络实现，参数介绍，数据处理，单通道，多通道数据，最大池化可视化。带源码。
深度学习主干网络-VGG16论文网络实现，参数介绍，数据处理，单通道，多通道数据，最大池化可视化。带源码。
5分钟NLP：使用 HuggingFace 微调BERT 并使用 TensorBoard 可视化
上篇文章我们已经介绍了Hugging Face的主要类，在本文中将介绍如何使用Hugging Face进行BERT的微调进行评论的分类。
AlexNet论文解读与代码实现
1. 论文解读1.1 泛读1.1.1 标题与作者1.1.2 摘要1.1.3 结论(讨论)1.1.4 重要图1.1.5 重要表1.2 精读1.2.1 文章精解1.2.1.1 ReLU1.2.1.2 Local Response Normalization(局部响应归一化)1.2.1.3 降低过拟合1.
论文导读：CoAtNet是如何完美结合 CNN 和 Transformer的
这篇文章主要介绍 Z. Dai 等人的论文 CoAtNet: Marrying Convolution and Attention for All Data Sizes。（2021 年）。
手把手教你用numpy搭建一个单隐层神经网络
在阅读本文之前，请确保你已经有了一定的神经网络基础。目录一、理论部分1.1 正向计算1.2 反向传播一、理论部分1.1 正向计算符号说明\textcolor{red}{符号说明}符号说明设我们的单隐层BP神经网络有 mmm 个输入神经元，nnn 个输出神经元，hhh 个隐层神经元。权重： 第 iii
人工智能实践Tensorflow2.0 第五章--1.卷积神经网络基础--八股法搭建卷积神经网络--北京大学慕课
第五章–卷积神经网络基础–八股法搭建卷积神经网络本讲目标： 介绍神经网络基本概念，用八股法实现卷积神经网络（以cifar10为例，本节建立的框架作为后续网络的baseline，在baseline中修改实现其他网络）。参考视频。卷积神经网络基础0.回顾全连接神经网络1.卷积计算过程1.1-卷积概念1
论文解释：SeFa ，在潜在空间中为 GAN 寻找语义向量
SeFa — Closed-Form Factorization of Latent Semantics in GANs
5分钟 NLP ：Hugging Face 主要类和函数介绍 🤗
主要包括Pipeline, Datasets, Metrics, and AutoClasses
【宝藏工具系列】神经网络可视化工具集合啦，秒级画出漂亮的神经网络图~
宝藏工具系列，强烈建议收藏备用！！！
轻量级神经网络——shuffleNet
文章目录轻量级神经网络——shuffleNetshuffleNet1逐点分组卷积(Pointwise group convolution)✨✨✨通道重排(channel shuffle)✨✨✨shuffleNet Unit✨✨✨shuffleNet1的网络结果和效果轻量级神经网络——shuffleN
神经网络中的激活函数与损失函数&深入理解推导softmax交叉熵
介绍神经网络中常用的激活函数和损失函数，主要是介绍softmax交叉熵损失函数，并使用计算图手动推导softmax交叉熵反向传播过程。
论文推荐：StarCraft II Unplugged 离线强化学习
在本文中，我们将介绍 StarCarft II Unplugged 论文 [1]，本论文可以将AlphaStar进行了扩展或者说更好的补充解释，绝对值得详细阅读。
论文回顾：U2-Net，由U-Net组成的U-Net
在这篇文章中，我们将介绍2020年发布的一种称为 U²-Net 或 U-squared Net 的 U-net 变体。U²-Net基本上是由U-Net组成的U-Net。
详细且通俗讲解轻量级神经网络——MobileNets【V1、V2、V3】
文章目录轻量级神经网络——MobileNetsMobileNetV1深度可分离卷积1、**深度卷积**✨✨✨2、**逐点卷积**✨✨✨参数量和计算量1、**标准卷积**2、**深度可分离卷积**✨✨✨MobileNetV1的网络结构及效果MobileNetV2Linear Bottlenecks✨✨
可视化深度学习模型架构的6个常用的方法总结
可视化有助于解释和理解深度学习模型的内部结构。本文将使用 Keras 和 PyTorch 构建一个简单的深度学习模型，然后使用不同的工具和技术可视化其架构。
