档案 | 使用 PyTorch 进行深度学习

随着神经网络在机器学习领域越来越受欢迎，了解激活函数在其实现中扮演的角色非常重要。本文中，您将探讨应用于神经网络中每个神经元输出的激活函数的概念，以引入模型的非线性。 […]

使用深度学习进行预测建模是现代开发人员需要掌握的技能。PyTorch 是由 Facebook 开发和维护的领先的开源深度学习框架。PyTorch 的核心是一个数学库，它允许您在基于图的模型上执行高效计算和自动微分。直接实现这一点具有挑战性，但幸运的是， […]

深度学习是一个引人入胜的研究领域，其技术在各种具有挑战性的机器学习问题中取得了世界级的成果。开始学习深度学习可能很困难。您应该使用哪个库？应该关注哪些技术？在这个包含 9 部分的速成课程中，您将发现应用 […]

逻辑回归是一种预测事件概率的回归类型。它用于分类问题，并在机器学习、人工智能和数据挖掘领域有许多应用。逻辑回归的公式是将 sigmoid 函数应用于线性函数的输出。本文 […]

在我们的 PyTorch 系列的上一节中，我们展示了当使用均方误差 (MSE) 损失时，初始化不佳的权重如何影响分类模型的准确性。我们注意到模型在训练期间没有收敛，并且其准确性也显著降低。接下来，您将看到如果 […]

单层神经网络，也称为单层感知器，是最简单的神经网络类型。它只包含一层神经元，连接到输入层和输出层。对于图像分类器，输入层将是图像，输出层将是 […]

循环神经网络可用于时间序列预测。其中，创建一个回归神经网络。它也可以用作生成模型，通常是分类神经网络模型。生成模型通过数据学习特定模式，这样当它收到一些提示时，它就可以 […]

长短期记忆 (LSTM) 是一种可用于神经网络的结构。它是一种循环神经网络 (RNN)，需要以特征序列的形式输入。它对于时间序列或文本字符串等数据非常有用。在这篇文章中，您将了解 […]

深度学习技术能力的一个流行演示是图像数据中的对象识别。机器学习和深度学习的对象识别“Hello World”是用于手写数字识别的 MNIST 数据集。在这篇文章中，您将发现如何开发一个深度学习模型，以在 […] 上实现接近最先进的性能。

神经网络是由相互连接的层构建而成的。有许多不同类型的层。对于图像相关的应用程序，您总能找到卷积层。它是一个参数很少但应用于大尺寸输入的层。它之所以强大，是因为它可以保留图像的空间结构。 […]