档案 | 深度学习

AutoML 指的是自动发现给定数据集的最佳模型性能的技术。当应用于神经网络时，这包括发现模型架构和用于训练模型的超参数，通常称为神经网络架构搜索。AutoKeras 是一个用于执行深度学习模型 AutoML 的开源库。搜索 [...]

多标签分类涉及预测零个或多个类标签。与类标签相互排斥的正常分类任务不同，多标签分类需要专门的机器学习算法来支持预测多个相互不排斥的类或“标签”。深度学习神经网络是原生支持多标签分类问题的算法示例。用于 [...] 的神经网络模型。

多输出回归涉及预测两个或多个数值变量。与为每个样本预测单个值的正常回归不同，多输出回归需要专门的机器学习算法来支持为每个预测输出多个变量。深度学习神经网络是原生支持多输出回归问题的算法示例。神经网络模型 [...]

机器学习中的监督学习可以描述为函数逼近。给定一个由输入和输出组成的数据集，我们假设存在一个未知的底层函数，该函数在目标域中将输入映射到输出时是一致的，并产生了该数据集。然后，我们使用监督学习算法来逼近 [...]

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。TensorFlow 是由 Google 开发和维护的领先的开源深度学习框架。尽管直接使用 TensorFlow 可能具有挑战性，但现代的 tf.keras API 将 Keras 的简洁性和易用性带到了 TensorFlow 项目中。使用 tf.keras 可以让您设计 [...]

像 Keras 中的那些机器学习和深度学习模型，要求所有输入和输出变量都是数值型的。这意味着，如果您的数据包含类别数据，则必须先将其编码为数字，然后才能拟合和评估模型。最流行的两种技术是整数编码和独热编码 [...]

目前人工智能领域有很多事情在发生。你们中的一些人可能想知道机器是如何做到它们能做的。它们如何识别图像、理解语音，甚至回应我的请求？？？欢迎来到深度学习的世界。深度学习是 [...] 的一个子领域。

深度学习并非万能药，但其技术在大量极具挑战性的问题领域中已被证明非常有效。这意味着企业对有效的深度学习从业者有大量需求。问题是，普通企业如何区分好坏从业者？ [...]

实践深度学习是一个难以入门的科目。它通常以自下而上的方式教授，要求您首先熟悉线性代数、微积分和数学优化，然后再学习神经网络技术。这可能需要数年时间，而且大多数背景理论都无助于您 [...]

写完代码后，您必须在具有大量 RAM、CPU 和 GPU 资源的大型计算机上运行深度学习实验，通常是在云中的 Linux 服务器上。最近，我被问到：“您如何运行深度学习实验？”这是一个很好的基础性问题，我喜欢回答。在 [...]