《TensorFlow 2.0深度学习算法实战教材》学习笔记（一、人工智能绪论）

2024-05-11 03:33:22

人工智能绪论

人工智能，机器学习，神经网络，深度学习之间关系
机器学习分类

机器学习可以分为有监督学习(Supervised Learning)、无监督学习(Unsupervised
Learning)和强化学习(Reinforcement Learning)

有监督学习有监督学习的数据集包含了样本

《TensorFlow 2.0深度学习算法实战教材》学习笔记（一、人工智能绪论）相关推荐
1. 《TensorFlow 2.0深度学习算法实战教材》学习笔记（八、过拟合）
  机器学习的主要目的是从训练集上学习到数据的真实模型,从而能够在未见过的测试集上面也能够表现良好,我们把这种能力叫做泛化能力. 提到了模型的表达能力,也称之为模型的容量(Capacity).当模型的表达 ...
2. 《TensorFlow 2.0深度学习算法实战教材》学习笔记（七、Kears高层接口）
  Keras 是一个主要由Python 语言开发的开源神经网络计算库.Keras 库分为前端和后端,其中后端可以基于现有的深度学习框架实现,如Theano,CNTK,TensorFlow,前端接口即Ke ...
3. 《TensorFlow 2.0深度学习算法实战教材》学习笔记（四、TensorFlow 进阶）
  合并与分割合并张量的合并可以使用拼接(Concatenate)和堆叠(Stack)操作实现,拼接并不会产生新的维度,而堆叠会创建新维度.选择使用拼接还是堆叠操作来合并张量,取决于具体的场景是否需要 ...
4. 《TensorFlow 2.0深度学习算法实战教材》学习笔记（三、TensorFlow 基础）
  数据类型 TensorFlow 中的基本数据类型,它包含了数值型.字符串型和布尔型. 数值类型数值类型的张量是TensorFlow 的主要数据载体,分为: 标量(Scalar) 单个的实数,如1.2 ...
5. 《TensorFlow 2.0深度学习算法实战教材》学习笔记（六、反向传播算法）
  反向传播算法和梯度下降算法是神经网络的核心算法. 导数与梯度导数本身是标量,没有方向,但是导数表征了函数值在某个方向Δ
6. 《TensorFlow 2.0深度学习算法实战教材》学习笔记（九、卷积神经网络）
  全连接网络的问题局部相关性网络层的每个输出节点都与所有的输入节点相连接,用于提取所有输入节点的特征信息,这种稠密(Dense)的连接方式是全连接层参数量大.计算代价高的根本原因.全连接层也称为稠密 ...
7. 《TensorFlow 2.0深度学习算法实战教材》学习笔记（五、神经网络）
  DL is essentially a new style of programming–"differentiable programming"–and the field is ...
8. 《TensorFlow 2.0深度学习算法实战教材》学习笔记（二、回归问题和分类问题）
  回归问题解析解与数值解解析解:通过严格的公式推导出的精确解称为解析解(Closed-form Solution).但是对于多个数据点(
9. TensorFlow 2.0深度学习算法实战教材---第11章循环神经网络
  人工智能的强力崛起,可能是人类历史上最好的事情,也可能是最糟糕的事情.−史蒂芬•霍金卷积神经网络利用数据的局部相关性和权值共享的思想大大减少了网络的参数量,非常适合于图片这种具有空间(Spatial ...
最新文章
热门文章