Deep learning

2/29ページ

深度學習筆記——基於雙向RNN(LSTM、GRU)和Attention Model的句子對匹配方法

前面寫過用Word2vec和Doc2vec進行句子對匹配,以及基於傳統機器學習方法進行句子對匹配的方法,本文主要介紹基於雙向RNN(LSTM、GRU)和Attention Model的句子對匹配方法。 首先來看一下什麼叫句子對匹配: 句子對匹配(Sentence Pair Matching)問題是N […]

視覺注意力的迴圈神經網路模型

我們觀察PPT的時候,面對整個場景,不會一下子處理全部場景資訊,而會有選擇地分配注意力,每次關注不同的區域,然後將資訊整合來得到整個的視覺印象,進而指導後面的眼球運動。將感興趣的東西放在視野中心,每次只處理視野中的部分,忽略視野外區域,這樣做最大的好處是降低了任務的複雜度。 深度學習領域中,處理一張 […]

tensorflow官方教程: 建立新的卷積神經網路

tensorflow官方教程: 建立新的卷積神經網路 本文主要包含如下內容: tensorflow官方教程 建立新的卷積神經網路 建立CNN MNIST分類器 培訓和評估CNN MNIST分類器   本篇部落格來自原始英文教程原始教程,你可以參照原始教程以及本篇部落格進行學習。   官方原始教程中首 […]

深度學習框架的比較(MXNet, Caffe, TensorFlow, Torch, Theano)

1. 基本概念 1.1 MXNet相關概念     深度學習目標:如何方便的表述神經網路,以及如何快速訓練得到模型     CNN(卷積層):表達空間相關性(學表示)     RNN/LSTM:表達時間連續性(建模時序訊號)    指令式程式設計(imperative programming):嵌入 […]

AI改變金融風控,深度學習技術可以將壞賬降低35% | 乾貨

昨天在風控群內,大家都在討論平安普惠COO的觀點,“在放貸領域,只有0和1的概念,要麼借要麼不借”,有人說,0和1的概念肯定不適用於貸款審批,信貸審批是多維評判的,沒有不能貸的客戶,只有不能貸的機制;也有人說,風險定價、風險補償機制就是用來在0和1之間進行調節的;而大家都認為,這個話題不能一概而論, […]

為什麼是“深度”學習而不是寬度?

為什麼是深度而不是寬度? 先說說我個人的理解,如下圖所示,圓圈表示神經元,有兩種方式。第一種,只有一層神經層,有8個神經元;第二種方式,有兩層神經層,分別有2個和4個神經元。相比之下,第一種更“寬”更“淺”,第二種更“窄”更“深”。對於每個輸入,兩種方式都可能產生8種結果(第一種:8*1;第二種:2 […]

VALSE2018弱監督語義分割學習和總結1

神經網路基礎理解     神經網路裡面不同層的卷積單元都扮演者視覺特徵檢測器的角色,從底層的視覺特徵,比如邊緣,角點;到高層的視覺模型,比如物體或者是場景。最後把這些東西綜合起來進行分類。我們可以把最後一個卷積層看成是一個詞典。每一張feature map對應檢測輸入中的一個單詞,如果有,就在對應位 […]