Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Resnet 分享之问题汇总

Resnet 分享之问题汇总

原创
作者头像
yzh
修改于 2020-08-28 02:09:15
修改于 2020-08-28 02:09:15
4820
举报
文章被收录于专栏:YZh学习记录YZh学习记录

1. 什么是过拟合?欠拟合?

2. 过拟合,欠拟合的解决办法有哪些?

3. 什么是BN,BN 的作用,图像卷积实现

4. BN的放置顺序?什么作用?动手实践

4. 什么是卷积? 卷积的作用,用图像去实现,并做可视化

5. 什么是激活函数?激活函数的作用?

6. 激活函数relu为什么增加的是非线性?激活函数与统计概率分布?

7. 怎样解释BN解决梯度消失问题

8. sigmoid与梯度消失问题

9. 通道拼接cat? add?怎样实现?

10. 池化与strid= 2 的比较,区别。为什么用stride = 2 代替 池化

11. average pooling 与 全连接,区别?

12. 怎样理解全连接层?与卷积层的区别?怎样连接卷积,全连接。

13. 怎样理解池化?作用?动手实现,图像可视化。

14. resnet 与 与非门 联系?

14. VGG网络的每一层发挥什么作用?

15. 什么是深度学习?什么是机器学习

16. 什么是监督学习?无监督学习?半监督学习

https://zhuanlan.zhihu.com/p/82516688

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
机器学习最全知识点(万字长文汇总)
梯度下降法沿着梯度的反方向进行搜索,利用了函数的一阶导数信息。梯度下降法的迭代公式为:
算法进阶
2024/01/04
5240
机器学习最全知识点(万字长文汇总)
深度学习入门基础
TensorFlow:google开源的,当前版本已经有高级API、可视化工具、GPU支持、异步执行。
Must
2020/07/28
4800
机器学习与深度学习常见面试题(上)
一年一度的校园招聘已经开始了,为了帮助参加校园招聘、社招的同学更好的准备面试,SIGAI整理出了一些常见的机器学习、深度学习面试题。理解它们,对你通过技术面试非常有帮助,当然,我们不能只限于会做这些题目,最终的目标是真正理解机器学习与深度学习的原理、应用。
SIGAI学习与实践平台
2018/09/21
2.4K0
机器学习与深度学习常见面试题(上)
AI人工智能、机器学习 面试题(2020最新版)
深度学习(DeepLearning, DL)和机器学习(Machine Learning, ML)的关系是什么?
用户7164815
2020/04/10
3.6K0
深度学习面试知识点汇总
这篇文章是自己在找工作中临时整理的一些知识点,内容比较杂碎,简单整理下发出来,适合面试前突击。另外推荐大家一本叫做《百面机器学习》的新书,2018年8月份出版的,其中包括了很多机器学习、深度学习面试过程中会遇到的问题,比较适合需要准备面试的机器学习、深度学习方面的算法工程师。
老潘
2023/10/19
4420
深度学习面试知识点汇总
从Python小白到AI工程师:50行代码实现你的第一个深度学习模型
嘿,各位怀揣着 AI 梦想的 Python 小白们!是不是一提到 “深度学习模型”,就觉得那是遥不可及的神秘领域,只有那些戴着黑框眼镜、敲代码如飞的大神才能涉足?别担心,今天小编就带着大家一起,用超简单的方式,从 Python 小白华丽变身 AI 工程师,只需 50 行代码,就能打造出属于你的第一个深度学习模型!是不是超级心动,感觉自己离改变世界又近了一步?那就赶紧跟着小编踏上这段奇妙的编程之旅吧!
小白的大数据之旅
2025/05/17
1740
【深度学习】卷积神经网络结构组成与解释
卷积神经网络是以卷积层为主的深度网路结构,网络结构包括有卷积层、激活层、BN层、池化层、FC层、损失层等。卷积操作是对图像和滤波矩阵做内积(元素相乘再求和)的操作。
Twcat_tree
2023/11/25
1K0
【深度学习】卷积神经网络结构组成与解释
深度学习的力量:精准肿瘤检测从此不再遥远
医学图像分析,特别是肿瘤检测,是人工智能在医疗领域中最具应用潜力的方向之一。肿瘤的早期检测对于提高患者的生存率至关重要,而传统的手工分析方式往往耗时且易受人为因素影响。深度学习,尤其是卷积神经网络(CNN),在自动化医学图像分析中发挥着核心作用。它们通过对医学图像的深层次特征学习,可以自动识别和标注出肿瘤等异常区域。
DevKevin
2025/02/21
970
深度学习的力量:精准肿瘤检测从此不再遥远
Nat. Rev. Genet. | 深度学习为种群遗传学带来新机遇
今天我们介绍由维也纳大学进化人类学系的Xin Huang与Aigerim Rymbekova发表在《Nature Reviews Genetics》上的工作。在群体遗传学中,各种物种和种群的大规模基因组数据的出现,为利用统计推断来理解驱动遗传多样性的进化力量提供了新的机会。然而,群体基因组学时代在分析大量基因组和变异方面提出了新的挑战。深度学习在涉及大规模数据的众多应用中表现出了最先进的性能。最近,深度学习方法在群体遗传学中得到了广泛的应用,在海量基因组数据集、强大的计算硬件和复杂的深度学习架构的推动下,它们已被用于识别种群结构、推断人口历史和研究自然选择。本文介绍了常见的深度学习架构,并为实现深度学习模型进行群体遗传推断提供了全面的指导。本文还从效率、鲁棒性和可解释性等方面讨论了深度学习在群体遗传学中的应用面临的挑战和未来的发展方向。
DrugAI
2023/10/08
5230
Nat. Rev. Genet. | 深度学习为种群遗传学带来新机遇
深度学习相关面试题
改变全连接为局部连接,这是由于图片的特殊性造成的(图像的一部分的统计特性与其他部分是一样的),通过局部连接和参数共享大范围的减少参数值。可以通过使用多个filter来提取图片的不同特征(多卷积核)。
机器学习AI算法工程
2021/01/12
7340
PyTorch实战:常用卷积神经网络搭建结构速览
PyTorch可以说是三大主流框架中最适合初学者学习的了,相较于其他主流框架,PyTorch的简单易用性使其成为初学者们的首选。这样我想要强调的一点是,框架可以类比为编程语言,仅为我们实现项目效果的工具,也就是我们造车使用的轮子,我们重点需要的是理解如何使用Torch去实现功能而不要过度在意轮子是要怎么做出来的,那样会牵扯我们太多学习时间。以后就出一系列专门细解深度学习框架的文章,但是那是较后期我们对深度学习的理论知识和实践操作都比较熟悉才好开始学习,现阶段我们最需要的是学会如何使用这些工具。
fanstuck
2024/12/29
3010
PyTorch实战:常用卷积神经网络搭建结构速览
机器学习岗位面试问题汇总之 深度学习
1.模式识别、机器学习、深度学习的区别与联系 模式识别:过去、程序/机器做智能的事、决策树等 机器学习:热点领域、给数据+学习数据 深度学习:前言领域、强调模型 2.早年神经网络被淘汰的原因 耗时、局部最优、竞争对手、over-fitting、参数 3.深度学习的实质 及其 与浅层学习的区别 深度学习实质:多隐层+海量数据——>学习有用特征—–>提高分类或预测准确性 区别:(1)DL强调模型深度 (2)DL突出特征学习的重要性:特征变换+非人工 4.神经网络的发展(背景之类的) MP模型+
机器人网
2018/04/24
9250
机器学习岗位面试问题汇总之 深度学习
tensorflow基础
anaconda或者pip安装tensorflow,tensorflow只支持win7 64系统,本人使用tensorflow1.5版本(pip install tensorflow==1.5)
sofu456
2023/09/19
2510
tensorflow基础
深度学习基础知识点归纳总结
1. 最小化代价函数优化方法:BGD、SGD、MBGD、动量、NAG、Adagrad、AdaDelta、Adam、AMSGrad、牛顿法;
小锋学长生活大爆炸
2020/08/13
6670
深度学习基础知识点归纳总结
tensorflow
anaconda或者pip安装tensorflow,tensorflow只支持win7 64系统,本人使用tensorflow1.5版本
sofu456
2019/07/09
1.2K0
卷积神经网络超详细介绍
上世纪60年代,Hubel等人通过对猫视觉皮层细胞的研究,提出了感受野这个概念,到80年代,Fukushima在感受野概念的基础之上提出了神经认知机的概念,可以看作是卷积神经网络的第一个实现网络,神经认知机将一个视觉模式分解成许多子模式(特征),然后进入分层递阶式相连的特征平面进行处理,它试图将视觉系统模型化,使其能够在即使物体有位移或轻微变形的时候,也能完成识别。
全栈程序员站长
2022/06/29
1.3K0
卷积神经网络超详细介绍
MILA 2018夏季深度学习与强化学习课程资源大放送
MILA 2018 夏季课程包括深度学习夏季课程(DLSS)和强化学习夏季课程(RLSS),并主要由以下机构支持。Yoshua Bengio 等人组织的夏季课程每年都非常受关注,每一个主题及讲师都是该领域的资深研究者,今年包括 Yoshua Bengio 和 Richard Sutton 在内的讲师大多来自常青藤院校、谷歌大脑、VECTOR INSTITUTE 和 MILA 实验室等知名的研究机构。
机器之心
2018/11/06
5740
这份深度学习课程笔记获吴恩达点赞
来源:机器之心 通过本文用优美的信息图为大家解读深度学习课程的知识与亮点~ 吴恩达在推特上展示了一份由 TessFerrandez 完成的深度学习专项课程信息图,这套信息图优美地记录了深度学习课程的知识与亮点。因此它不仅仅适合初学者了解深度学习,还适合机器学习从业者和研究者复习基本概念。机器之心认为这不仅仅是一份课程笔记,同时还是一套信息图与备忘录。下面,我们将从深度学习基础、卷积网络和循环网络三个方面介绍该笔记,并提供信息图下载地址。 信息图下载地址:https://pan.baidu.com/s/1D
数据派THU
2018/03/22
1.1K0
这份深度学习课程笔记获吴恩达点赞
深度学习Pytorch检测实战 - Notes - 第3章 网络骨架
Sigmoid函数将特征压缩到了(0,1)区间,0端对应抑制状态,而1对应激活状态,中间部分梯度较大。Sigmoid函数可以用来做二分类,但其计算量较大,并且容易出现梯度消失现象。
肉松
2020/07/23
1.3K1
深度学习Pytorch检测实战 - Notes - 第3章 网络骨架
【人工智能】技术总结
P(A∣B)=P(A)P(B∣A)P(B)P(A|B) = \frac{P(A)P(B|A)}{P(B)} P(A∣B)=P(B)P(A)P(B∣A)​
杨丝儿
2022/03/01
8700
相关推荐
机器学习最全知识点(万字长文汇总)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档