日萌社人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）Faster rcnn怎么筛选正负anchor​​​​​​​问题解析Faster rcnn 在生成目标候选框的过程中，会产生大量的非目标区域候选框，通过计算候选框与标注框的iou，来标定正负候选框，即为筛选正负anchor。Rpn 正负样本标记：正样本：与groun

日萌社人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）第1章 绪论深度学习（Deep Learning）是近年来发展十分迅速的研究领域，并且在人工智能的很多子领域都取得了巨大的成功．从根源来讲，深度学习是机器学习的一个分支，是指一类问题以及解决这类问题的方法．首先，深度学习问题是一个机器学习问题，指从有限样例中通过算法

1.GluonCV⼯具包：https://gluon-cv.mxnet.io/2.更新pip：python -m pip install --upgrade pip3.假设安装了cuda 10.0：pip install --upgrade mxnet-cu100 gluoncv假设安装了cuda 9.0：pip install --upgrade mxnet-cu90 gluoncv...

日萌社人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）8.5 深度学习CTR排序模型学习目标目标知道深度学习排序模型的发展特点应用无8.5.1 深度学习CTR模型的前夜2010年FM被提出，特征交叉的概念被引入CTR模型；2012年MLR在阿里大规模应用，其结构十分接近三层神经网络；2014年Facebook用GBDT

注意力机制 SENet、CBAM机器翻译 MXNet（使用含注意力机制的编码器—解码器，即 Encoder编码器-Decoder解码器框架 + Attention注意力机制）one-hot向量化中实现的循环神经网络：1.输入数据inputs：输入数据数据为List列表，列表的元素数量为时间步数，每个元素(时间步t)为(批量⼤小,词典⼤小)形状的矩阵。inpu...

日萌社人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）文本数据分析学习目标:了解文本数据分析的作用.掌握常用的几种文本数据分析方法.文本数据分析的作用:文本数据分析能够有效帮助我们理解数据语料, 快速检查出语料可能存在的问题, 并指导之后模型训练过程中一些超参数的选择.常用的几种文...

日萌社人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）1.一个残差单元中输入数据分两路汇合作为输出数据，其中一路数据是常见的经过两个卷积层运算后的结果，而另一路数据直接就是输入数据，这个路线被称为shortcut connections(快捷连接)...

日萌社人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）1.梯度下降1.随机梯度下降算法：计算一个随机样本的损失函数关于参数θ的梯度来更新权重。每迭代更新一次权重都需要计算所有样本误差，效率偏低。容易陷入局部最优解。2.全梯度下降算法：计算所有样本的损失函数关于参数θ的梯度来更新权重容易陷入局部最优解。1.什么是梯度消失

日萌社人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）基于seq2seq的西班牙语到英语的机器翻译任务学习目标了解机器翻译任务及其相关数据集.掌握使用基于GRU的seq2seq模型架构实现翻译的过程.掌握Attention机制在解码器端的实现过程.任务说明机器翻译任务是NLP领域...

1.1 人工智能概述1 人工智能应用场景2 人工智能小案例案例一：参考链接：https://quickdraw.withgoogle.com案例二：参考链接：https://pjreddie.com/darknet/yolo/案例三：查看更多：https://deepdreamgenerator.com/3 人工智能发展必备三要素：数据算...