深度学习_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

【现代深度学习技术】循环神经网络05：循环神经网络的从零开始实现本文讲解循环神经网络的从零开始实现。基于《时间机器》数据集，从零实现字符级循环神经网络语言模型。涵盖独热编码、参数初始化、RNN前向传播、梯度截断及训练过程。通过顺序和随机采样策略，演示模型训练与文本生成，使用困惑度评估性能，对比不同方法的收敛效果。

阅读 1.6k

90赞

明明跟你说过

深度学习常见框架：TensorFlow 与 PyTorch 简介与对比本文系统介绍了当前深度学习领域最主流的两个框架 —— TensorFlow 与 PyTorch。文章从发展背景、核心理念、主要组件、应用场景等方面，逐一解析它们的特性与差异，帮助读者全面了解各自的优势与使用场景。重点内容包括：✅ TensorFlow 由 Google 推出，具备强大的工程部署能力，适合大规模模型训练与跨平台部署；🔶 PyTorch 源于 Meta（Facebook），以灵活易用、Pythonic 编程体验著称，广受研究与教育界青睐；🔍 对比了二者在计算图结构、调试体验、

阅读 2.2k

82赞

【现代深度学习技术】循环神经网络02：文本预处理本文讲解了循环神经网络中文本预处理的四个步骤：加载文本数据并清洗，拆分为词元，构建词表，转换为数字序列。通过《时光机器》示例，展示了代码实现，包括数据读取、正则处理、词频统计及索引转换，为模型提供数值化输入。

阅读 7.0k

120赞

自然语言处理之机器翻译：Fairseq：深度学习与神经网络基础神经机器翻译通过序列到序列模型和注意力机制，能够更有效地处理自然语言翻译任务，特别是在处理长句子和复杂结构时。通过深度学习模型自动学习翻译规则，NMT在翻译质量和效率上都超越了传统的统计和基于规则的方法。Fairseq是由Facebook AI Research(Fair)开发的一个开源框架，用于训练序列到序列(sequence-to-sequence)模型，特别适用于机器翻译和文本生成任务。

阅读 863

29赞

S2Snet: RNA纳米孔测序深度学习解析 RNA纳米孔测序技术是近年来生物信息学领域的一项重要突破，它通过纳米级别的孔洞直接检测RNA分子的序列信息。此技术的核心在于利用特定设计的蛋白质纳米孔，结合电化学信号的变化来识别通过孔洞的单个核苷酸。纳米孔测序以其单分子实时（SMRT）的特性，允许长读取长度、低成本和快速的测序，特别适合于分析长链RNA分子。深度学习领域有大量用于序列识别的算法，每种算法都有其特定的应用场景和优势。

阅读 956

30赞

Python深度学习环境配置（Pytorch、CUDA、cuDNN），包括Anaconda搭配Pycharm的环境搭建以及基础使用教程（保姆级教程，适合小白、深度学习零基础入门）本文旨在帮助想要入门深度学习的小白进行深度学习的环境配置，总结了一台电脑从零开始配置到调用Pytorch使用GPU进行深度学习计算的全过程环境搭建，并包含了Anaconda搭配Pycharm的环境搭建以及一些基本使用方法。

阅读 4.8w

383赞

一位小说男主

深度学习的优化算法之--动量法、Adagrad、RMSProp、Adadelta 不同优化算法针对不同问题设计了特定的更新策略，帮助模型更高效地收敛到全局或局部最优解。本文将深入讲解动量法、Adagrad、RMSProp和Adadelta优化算法，结合实际代码演示它们的应用场景和效果，帮助读者掌握这些算法并学以致用。

阅读 3.2k

83赞

如何在优云智算平台上面使用deepseek进行深度学习优云智算平台在当今数字化与智能化飞速发展的时代，算力已成为推动科技创新、产业升级以及社会进步的核心驱动力。海量数据的处理、复杂模型的训练以及实时性的智能应用需求，都对计算能力提出了极高的要求。优云智算平台应运而生，作为行业内极具影响力的算力服务平台，它正以卓越的性能、丰富的功能和创新的服务模式，为众多领域的用户带来前所未有的计算体验，助力他们在智能时代的浪潮中抢占先机。平台的镜像社区是一大特色亮点。

阅读 6.1w

274赞

物理信息神经网络（PINN）: 将物理知识融合到深度学习中物理信息神经网络（Physics-Informed Neural Networks，简称PINN）是一种结合了深度学习和物理学知识的机器学习模型。与传统的数据驱动的神经网络不同，PINNs 在学习过程中利用物理法则对模型进行指导，从而提高模型泛化能力，特别是在数据较少或噪声较大的情况下。首先，需要明确模型目标及其对应的物理定律。例如，在解决流体力学问题时，可能会涉及到Navier-Stokes方程。模型的建立和训练过程应围绕该物理定律展开。

阅读 11.2w

212赞

小周不想卷

工作流 x 深度学习：揭秘蓝耘元生代如何用 ComfyUI 玩转 AI 开发当内置节点无法满足需求时，开发自定义节点就成为必由之路。这个过程让我对ComfyUI的扩展机制有了全新认识。开发过程中遇到的主要挑战包括：数据类型转换问题自动微分导致的显存泄漏与ComfyUI原生节点的兼容性多线程环境下的竞态条件try:# 处理逻辑...# 返回输入作为fallback从被深度学习「虐哭」到用 ComfyUI「虐菜」，我最大的感悟是：工具永远只是效率的放大器，真正重要的是背后的算法思维和问题解决能力。

阅读 2.1k

121赞

十二月的猫

【玩转深度学习】手把手带你实战MNIST字体识别【LeNet网络】（PyTorch神经网络）这篇实战指南将带领读者从零实现经典LeNet卷积神经网络，完成MNIST手写数字识别任务。文章详解LeNet的卷积-池化-全连接架构设计，结合PyTorch框架演示数据集加载、网络搭建、训练优化全流程，并可视化特征图与训练曲线。通过对比不同超参数对识别准确率的影响，读者不仅能掌握图像分类核心技能，还能深入理解卷积神经网络的工作原理。配套可运行的Jupyter代码，特别适合深度学习新手快速入门计算机视觉领域。

阅读 1.5k

94赞

如何利用DeepSeek结合深度学习与NLP技术，实现跨模态搜索的语义理解与个性化推荐跨模态搜索（Cross-modal Search）是指通过不同模态的数据（如文本、图像、音频、视频等），为用户提供更精准的搜索结果的技术。与传统的单一模态搜索相比，跨模态搜索可以将各种信息源之间的联系进行有机融合，让用户能够在多种数据类型中进行智能搜索。例如，用户可以通过上传一张图片来查找相关的文章、视频，或者通过输入文本查询来获取对应的图像。通过DeepSeek，跨模态搜索与个性化推荐技术得到了有效的融合。

阅读 1.8k

7赞

基于YOLOv8深度学习的学生课堂状态(学习、睡觉和玩手机)行为检测系统设计与实现(PyQt5界面+数据集+训练代码) 本研究提出并实现了一种基于YOLOv8深度学习模型的学生课堂行为检测系统，旨在解决传统课堂管理中难以实时、全面掌控学生行为状态的问题。该系统能够实时检测学生在课堂中的行为表现，包括常见的学习、睡觉以及玩手机等行为。通过智能化技术的引入，教师能够在课堂上获得实时反馈，更好地了解学生的课堂参与度，提升教学质量。

阅读 3.9k

54赞

羑悻的小杀马特.

从工厂到生活：算法 × 深度学习，正在改写自动化的底层逻辑算法与深度学习的深度融合正在重塑自动化。过去，自动化靠固定程序完成简单任务，现在，算法和深度学习让机器像人一样 “思考” 和 “学习”。

阅读 2.2k

126赞

李宏毅《深度学习》课程笔记第一章：机器学习核心概念解析李宏毅《深度学习》课程笔记第一章：机器学习基础概念与流程

阅读 819

17赞

【深度学习核心技术解析】从理论到实践的全链路指南本文通过神经网络架构、反向传播算法、卷积网络等核心模块的数学推导与代码实现，系统解析深度学习基本原理，并给出工业级应用的最佳实践方案。

阅读 811

29赞

什么都不太会的研究生

基于深度学习的MNIST手写数字数据集识别（准确率99%，附代码） Mnist数据集可以算是学习深度学习最常用到的了。这个数据集包含70000张手写数字图片，分别是60000张训练图片和10000张测试图片，训练集由来自250个不同人手写的数字构成，一般来自高中生，一半来自工作人员，测试集（test set）也是同样比例的手写数字数据，并且保证了测试集和训练集的作者不同。每个图片都是2828个像素点,数据集会把一张图片的数据转成一个2828=784的一维向量存储起来。

阅读 3.6w

459赞

不三不四୭

【深度学习基础】——机器的神经元：感知机深度学习基础简单易懂的入门来啦！！！！

阅读 1.7k

110赞

柚子那么大

机器学习-深度学习的库环境配置 Anaconda是一个轻量级的包管理器和环境管理工具，能够简化Python环境的管理，避免依赖冲突，且支持跨平台操作。实验目的：本次实验旨在完成深度学习的库环境配置，特别是建立Python开发环境，安装必要的工具和框架，确保开发过程中能顺利进行深度学习模型的开发、训练和测试。成功运行了Jupyter Notebook，并完成了PyTorch的基础示例代码，实现了对深度学习框架的基本操作和理解。通过本次实验，完成了深度学习开发环境的搭建，确保了基础工具和库的安装与使用，为后续的深度学习项目开发奠定了基础。

阅读 870

23赞

作者推荐

机器学习之心: 博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类、降维、优化和评价等程序设计和案例分析，文章底部有博主联系方式。

关注

阿_旭: 专注Python、人工智能相关内容研究分享。

关注

A毕设分享家: 计算机研究生在读，擅长java web，SSM系统，小程序，APP开发，毕设帮助，欢迎打扰！

关注

飞雪白鹿€: 北京邮电大学在读博士,个人主页：www.liyangbupt.com

关注

每天五分钟玩转人工智能: 没有梦想和神经网络有什么区别？

关注

Mini_hailang_IT: 毕设帮助,项目开发,欢迎打扰!

关注

Together_CZ: 欲戴其冠，必承其重

关注

十小大: 985高校老师，博客之星2024Top65，研究方向为底层计算机视觉（超分、去噪等），图像拼接。偶尔也会做一些小项目，比如软件开发、网站建设等。

关注

盼小辉丶: 记录学习历程，分享学习心得，关注深度学习，欢迎交流学习.

关注

HaiLang_IT: 某知名互联网公司十年开发,毕设帮助,开题指导,问题解答,欢迎打扰!

关注