卷积神经网络系列之softmax，softmaxloss和crossentropy

在上一篇文章中，我们初步探讨了神经网络的基础概念，并通过一个简单的例子——将摄氏度转换为华氏度——介绍了单个神经元的工作原理。本文将继续探索神经网络的应用，特别是如何构建一个基本的分类器。 ... [详细]

本文深入探讨了如何利用Java语言结合Tesseract-OCR技术来实现图像中的数字识别功能，旨在为开发者提供详细的指导和实践案例。 ... [详细]

本文探讨了在大数据背景下，人工特征工程与线性模型的应用及其局限性。随着数据量的激增和技术的进步，传统的特征工程方法面临挑战，文章提出了未来发展的可能方向。 ... [详细]

本文详细记录了作者从7月份的提前批到9、10月份正式批的秋招经历，包括各公司的面试流程、技术问题及HR面的常见问题。通过这次秋招，作者深刻体会到了技术积累和面试准备的重要性。 ... [详细]

如何用GPU服务器运行Python-目录前言一、服务器登录1.1下载安装putty1.2putty远程登录 1.3查看GPU、显卡常用命令1.4Linux常用命令二、 ... [详细]

本文详细介绍了 TensorFlow 的入门实践，特别是使用 MNIST 数据集进行数字识别的项目。文章首先解析了项目文件结构，并解释了各部分的作用，随后逐步讲解了如何通过 TensorFlow 实现基本的神经网络模型。 ... [详细]

在Word中编辑复杂的数学公式常常让人感到头疼，尤其是处理偏微分方程（PDE）等高级数学内容时。然而，最近GitHub上的一个开源项目latexify_py展示了如何利用Python轻松生成LaTeX数学公式，极大地简化了这一过程。 ... [详细]

本文介绍了一个使用Keras框架构建的卷积神经网络（CNN）实例，主要利用了Keras提供的MNIST数据集以及相关的层，如Dense、Dropout、Activation等，构建了一个具有两层卷积和两层全连接层的CNN模型。 ... [详细]

本文介绍了如何通过十折交叉验证方法评估回归模型的性能。我们将使用PyTorch框架，详细展示数据处理、模型定义、训练及评估的完整流程。 ... [详细]

本文由吴裕雄撰写，深入探讨了如何利用Python、Keras及TensorFlow构建混合神经网络模型，特别是通过结合递归神经网络（RNN）和卷积神经网络（CNN），实现对网络运行效率的有效提升。 ... [详细]

一项来自Quantamagazine的最新研究揭示，借助人工智能的深度学习技术，特别是深度神经网络，科学家们能够在数学建模领域取得突破，显著提高了处理复杂系统中偏微分方程的速度与效率。 ... [详细]

本文介绍了加拿大蒙特利尔大学Mila研究所唐建教授团队在ICML2020上发布的一项研究，该研究探讨了如何利用全局关系图来探索句子间的新关系，并提出了一种创新的贝叶斯元学习方法。 ... [详细]

经典计算机视觉教材《计算机视觉：算法与应用》迎来了其第二版，现已开放初稿下载。本书由Facebook研究科学家Richard Szeliski撰写，自2010年首版以来，一直是该领域的标准参考书。 ... [详细]

本文综述了图神经网络（Graph Neural Networks, GNN）的发展，从传统的数据存储模型转向图和动态模型，探讨了模型中的显性和隐性结构，并详细介绍了GNN的关键组件及其应用。 ... [详细]

本文详细探讨了DropBlock这一正则化方法在卷积神经网络中的应用与效果。通过结构化的dropout方式，即在特征图中连续区域内的单元同时被丢弃，DropBlock有效解决了传统dropout在卷积层应用时效果不佳的问题。更多理论分析及其实现细节可参考原文链接。 ... [详细]