【深度学习入门到精通系列】开始恢复更新通知～！

原创

李响Superb 2022-02-24 15:13:37 博主文章分类：深度学习入门到精通系列讲解 ©著作权

文章标签 其他 文章分类 代码人生

©著作权归作者所有：来自51CTO博客作者李响Superb的原创作品，请联系作者获取转载授权，否则将追究法律责任

【深度学习入门到精通系列】开始恢复更新通知～！_其他

因为放假在家基本不学习哈哈，但是快要开学了，准备开始更新了，我会尽量保持一周3到4篇高质量文章的频率，欢迎大家订阅呀～！！

附上我的微博：

ID：LiXiangDL

有问题欢迎打扰！

上一篇：【Java Web开发指南】Ajax&Json笔记

下一篇：【深度学习入门到精通系列】遗传算法 (Genetic Algorithm)

提问和评论都可以，用心的回复会被更多人看到评论

发布评论

相关文章

Docker从入门到精通：Docker run 命令学习

前言我们在之前介绍了docker的容器管理的相关命令，但是对于docker run命令，我们并没有做非常详细的介绍，docker run命令是一个关键的工具。它允许你从 Docker 镜像创建和启动容器实例。本文将介绍 docker run 命令的基本用法以及一些常见的参数，帮助你更好地理解和利用 Docker。Docker Run 命令概述docker run 命令用于在 Docker 中创建并

docker Docker 端口映射
electron入门到精通

简介Electron是一个使用 JavaScript、HTML 和 CSS 构建桌面应用程序的框架。 Electron内嵌了 Chromium 和 Node.js 到二进制程序，让你可以利用 JavaScript 代码创建可以在Windows、 macOS和Linux上运行的跨平台应用。Elemtron流程模型Electron入门搭建工程准备可参考Ele

electron Nodejs Chromium
深度学习从入门到不想放弃-7

上一章的内容深度学习从入门到不想放弃-6 (qq.com) 今天讲的也算基础（这个系列后来我一寻思，全是基础），但是可能要着重说下，今天讲前向计算和反向传播，在哪儿它都永远是核心，不管面对什么模型前向计算：有的叫也叫正向传播，正向

损失函数神经网络梯度下降
【深度学习入门到精通系列】开始恢复更新通知～！

因为放假在家基本不学习哈哈，但是快要开学了，准备开始更新了，我会尽量保持一周3到4篇高质量文章的频率，欢迎大家订阅呀～！！附上我的微博：ID：LiXiangDL有问题欢迎打扰！

深度学习人工智能
【深度学习入门到精通系列】Dice Loss

在很多关于医学图像分割的竞赛、论文和项目中，发现 Dice 系数(Dice coefficient) 损失函数出现的频率较多，自己也存在关于分割中 Dice Loss 和交叉熵损失函数(cross-entropy loss) 的一些疑问，这里简单整理.Dice系数, 根据 Lee Raymond Dice[1] 命名，是一种集合相似度度量函数，通常用于计算两个样本的相似度(值范围为 [0, 1])：X 和 Y 之间的交集；和分别表示 X 和 Y 的元素个数. 其中，分子中的系数 2，是因为分母存

深度学习人工智能
【深度学习入门到精通系列】Mean Iou

深度学习人工智能
【深度学习入门到精通系列】Deep Q Network

文章目录1 什么是 DQN2 DQN 算法更新 (Tensorflow)3 DQN 神经网络 (Tensorflow)4 DQN 思维决策 (Tensorflow)1 什么是 DQN我们使用表格来存储每一个状态 state, 和在这个 state 每个行为 action 所拥有的 Q 值. 而当今问题是在太复杂, 状态可以多到比天上的星星还多(比如下围棋).

深度学习神经网络机器学习 tensorflow 赋值
【深度学习入门到精通系列】神经进化 (NeuroEvolution)

文章目录1 什么是神经网络进化 (Neuro-Evolution)2 神经进化3 NEAT 监督学习1 什么是神经网络进化 (Neuro-Evolution)你大多数时候所见到的人工神经网络是一种计算机能理解的数学模型, 这个模型将观测到的信息通过类似电信号的方式正向传播,

深度学习神经网络网络强化学习监督学习
【深度学习入门到精通系列】CGAN数据增强

文章目录1 CGAN的简介2 应用1 CGAN的简介为了解决带标签的数据生成问题，研究者们提出了条件生成对抗网络（CGAN）的概念.CGAN的结构如上图所示，与GAN的主要区别是生成器和判别器的输入数据中都加入类别标签向量（C_vector），生成器的优化目标函数基本上没有变化。总的来说CGAN在GAN上的改动并不大，但是普通的GAN所生成的内容是随机的，CGAN实现了根据输入标签生成指定类别的内容。2 应用近年来,卷积神经网络应用于图像分类任务性能优越,多项研究证明卷积神经网络在大规模带有标

深度学习人工智能
【深度学习入门到精通系列】Gamma变换（校正）

文章目录1 什么是Gamma变换2 为什么进行Gamma变换1 什么是Gamma变换Gamma变换是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系：这个指数即为Gamma。Gamma变换就是用来图像增强，其提升了暗部细节，简单来说就是通过非线性变换，让图像从暴光强度的线性响应变得更接近人眼感受的响应，即将漂白（相机曝光）或过暗（曝光不足）的图片，进行矫正。经过Gamma变换后的输入和输出图像灰度值关系如图1所示：横坐标是输入灰度值，纵坐标是输出灰度值，蓝色曲线是ga

深度学习人工智能
【深度学习入门到精通系列】拿捏Dice系数

Dice系数在图像分割和目标检测中比较常用。它的取值范围是0-1之间，越接近1说明模型效果越好。Dice系数是像素级别的，真实的目标出现在某片区域A，我们的模型预测的目标区域为B，那么Dice系数公式如下所示：...

深度学习人工智能
【深度学习入门到精通系列】医疗影像分割

文章目录1 医学图像种类2 图像存储格式3 U-net4 数据增强5 3D-Unet6 Densenet7 FC-Densenet8 病理切片1 医学图像种类MRI——核磁共振图摇水停下X-RAY——穿透图像CT图像——计算机断层扫描切片超声成像——B超敲西瓜2 图像存储格式不详细说明。3 U-netU-Net模型是一种改进的FCN结构，因其结构经论文作者画出来形似字母U而得名，应用于医学图像的语义分割。它由左半边的压缩通道（Contracting Path）和右半边扩展通道（Ex

深度学习人工智能
【深度学习入门到精通系列】图片OCR讲解

文章目录1 OCR识别文字流程1.1 滑动窗口2 数据集扩增3 上限分析1 OCR识别文字流程1、识别出文字区域（通过滑动窗口算法，遍历整个图片，有监督的标记训练样本特征进行判断，找到目标图片进行矩形化摘取出来）2、对文字区域矩形分割，拆分成不同的字符(在矩形中做一维滑动窗口移动，判断字符间间距，对字符进行划分)3、字符分类（对划分好的字符根据监督算法，对字符进行预测）4、识别出来文字（最终识别出整个字符）整个流程由多个任务的构成流程图如下：1.1 滑动窗口2 数据集扩增通过学

深度学习人工智能
深度学习入门从入门到精通——深度学习入门

RNN：适用于处理短时间依赖的序列数据，但存在梯度消失问题。LSTM：通过复杂的门机制，能够处理长时间依赖，具体的序列任务。

深度学习人工智能池化卷积数据
【深度学习入门到精通系列】进化策略 (Evolution Strategy)

文章目录1 什么是进化策略 (Evolution Strategy)2 简单实现2.1 和遗传算法的异同2.2 代码3 (1+1)-ES4 Natural Evolution Strategy1 什么是进化策略 (Evolution Strategy)爸妈的 DNA 不用再是 01 的这种形式, 我们可以用实数来代替, 咋一看, 觉得牛逼了起来,

深度学习策略模式人工智能进化策略遗传算法
【深度学习入门到精通系列】Generalized Dice loss解释

论文原文全程为：Generalized Overlap Measures for Evaluation and Validation in Medical Image Analysis 刚才分析过Dice Loss对小目标的预测是十分不利的，因为一旦小目标有部分像素预测错误，就可能会引起Dice系数大幅度波动，导致梯度变化大训练不稳定。另外从上面的代码实现可以发现，Dice Loss针对的是某一个特定类别的分割的损失。当类似于病灶分割有多个场景的时候一般都会使用多个Dice Loss，所以Generaliz

深度学习人工智能
【深度学习入门到精通系列】Recurrent和Residual解释

文章目录1 Recurrent2 Residual1 Recurrent在全连接神经网络或卷积神经网络中，网络结果都是从输入层到隐含层再到输出层，层与层之间是全连接或部分连接的，但每层之间的结点是无连接的考虑这样一个问题，如果要预测句子的下一个单词是什么，一般需要用到当前单词以及前面的单词，因为句子中前后单词并不是独立的，比如，当前单词是“很”，前一个单词是“天空”，那么下一个单词很大概率是“蓝”。循环神经网络的来源就是为了刻画一个序列当前的输出与之前信息的关系。2 Residual残差网络公

深度学习人工智能
【深度学习入门到精通系列】R2 Unet解释

文章目录1 论文2 结构3 分析4 Recurrent5 代码1 论文Recurrent Residual Convolutional Neural Network based on U-Net (R2U-Net) for Medical Image Segmentation2 结构3 分析（a）为普通的两个conv模块，（b）为使用了recurrent conv的模块，（c）为使用了residual conv的模块，（d）是同时使用了residual 和recurrent conv的

深度学习人工智能
【深度学习入门到精通系列】nnU-Net论文解析

文章目录1 摘要2 介绍3 方法3.1 预处理3.2 训练过程3.3 推理（Inference）3.4 后处理4 总结nnUnet虽然不是新的论文，但是这个框架效果很好。它并没有提出新的网络结构，没有抓人眼球的地方，仅依靠一些技巧，将分割任务进行了大统一，并在很多任务上得到了非常好的成绩上，可以看出作者的功底之深。对于分割任务，从unet出来之后的几年里，其实在网络结构上已经没有多少的突破了，结构修改越多，反而越容易过拟合。因此作者认为更多的提升其实在于理解数据，并针对医学数据采用适当的预处理和训练方法

深度学习人工智能
【深度学习入门到精通系列】对抗样本和对抗网络

文章目录1 概述2 对抗样本3 对抗网络1 概述所谓对抗样本是指将实际样本略加扰动而构造出的合成样本，对该样本，分类器非常容易将其类别判错，这意味着光滑性假设(相似的样本应该以很高的概率被判为同一类别)某种程度上被推翻了。2 对抗样本正如图1右边展示的那样，当对熊猫数据加上一定的噪声，深度模型以99.3%的置信度将熊猫识别为长臂猿；这就是对抗样本和对抗网络的由来，为了解决这个问题，深度对抗网络被进一步提出来；同时对抗样本也促进了对抗网络的发展；3 对抗网络面对对抗样本的问题，提出了对抗网络

深度学习人工智能
harmonyos4下载安装包

整理 | 郑丽媛去年 HDC 大会上，凭借分布式架构、天生流畅、内核安全以及生态共享等特性，华为HarmonyOS 1.0 一经发布就被备受关注，同时也承载了无数人的期望。依托开源，无数网友希望其能够对标 Android，在国产系统自研之路上树立一个良好的标杆。经过一年的迭代，不久前，华为消费者业务 CEO 余承东公开表示，HarmonyOS 体验已达安卓 70-80% 水平。不过，距离

harmonyos4下载安装包分布式数据库百度大数据
linux进程显示 defunct

本节我们将从linux启动的第一个进程说起，以及后面第一个进程是如何启动1号进程，然后启动2号进程。然后系统中所有的进程关系图做个简单的介绍0号进程0号进程，通常也被称为idle进程，或者也称为swapper进程。0号进程是linux启动的第一个进程，它的task_struct的comm字段为"swapper",所以也成为swpper进程。#define INIT_TASK_COMM "swapp

linux进程显示 defunct linux0号进程 idle进程 swapper进程 init进程
企业电能稳定监测软件中的业务架构

为缩小电能质量监测装置的体积和考虑到外观的美感，将监测装置的操作空间嵌入到显示屏(LCD)中。人机交互界面主要是由触屏式显示器组成，采用直接屏幕点触式输入法。监测人员通过人机交互界面直接能及时了解电网的运行状态。人机界面设计应遵循操作方便、信息直接引导、反馈性、为用户提供帮助和容错性等原则.1.1 交互技术和交互设备人机界面从狭义上来说是指软件用户界面，它是人机交互技术要研究和解决的问题

企业电能稳定监测软件中的业务架构语言任务编程输入法
unity 2d shader

纹理映射脑洞一下，可以理解为，把一张图贴在模型表面，去控制模型的颜色和外观。本主题将记录在unity中利用纹理采样实现更加丰富的视觉效果。通常美术人员会在建模软件中利用纹理展开技术把纹理映射坐标（texture-mapping coordinates）存储在每个顶点上。而纹理映射坐标定义了该顶点在纹理中对应的2D坐标，通常用一个二维变量(u,v)来表示，其中u是横向坐标，v是纵向坐标

unity 2d shader 2d shader unity 阴影 d3 纹理映射 Tex
mysql sockettimeout怎么解决

　最近租了一个阿里云云翼服务器，趁着自己还是一个学生，享受一下优惠。我租的是阿里云Ubuntu16.04版本的服务器，在搭建mysql的时候，一开始是可以运行的，由于某次手抽，把mysql的套接字文件不小心删除了，然后无论怎么卸载重装，都出现了这个问题：root@iZufkfljcZ :~ # mysql -uroot -p Enter password: ERROR 2002 (HY00 0):

mysql MySQL 套接字

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯