#习之

人工智能深度学习入门练习之(30)深度学习 – 人工神经网络

本章我们将从生物神经元开始学习人工神经网络。哺乳动物的大脑有数十亿个神经元。神经元是人脑中相互连接的神经细胞。神经元参与处理和传递化学信号和电信号,它们接受信号输入,在细胞核中处理信号,如果信号强度大于某个阈值,就会把信号输出。人类的大脑可以学习识别物体。例如,婴儿多次看到椅子,并听父母说这是椅子,随着时间推移,他们将...

人工智能深度学习入门练习之(29)深度学习 – 介绍

具有感知、学习、推理和解决问题等认知功能的机器被认为拥有人工智能。当机器具有认知能力时,人工智能就产生了。人类在相关领域的能力是人工智能的衡量标准。弱人工智能 弱人工智能执行特定任务,甚至比人类做得更好,例如,围棋人工智能AlphaGo。弱人工智能是目前人工智能的主要研究领域。强人工智能 强人工智能...

人工智能深度学习入门练习之(28)TensorFlow – 例子:循环神经网络(RNN)

循环神经网络(RNN)是一种用于处理序列数据的人工神经网络,序列数据是相互依赖的(有限或无限)数据流,比如时间序列数据、信息性的字符串、对话等。长短时记忆网络(LSTM)是一类特殊的循环神经网络,具有学习长时依赖关系的能力,是目前最常用的循环神经网络。注意:关于循环神经网络的介绍,可参考我们的教程深度学习–...

人工智能深度学习入门练习之(27)TensorFlow – 例子:卷积神经网络(CNN)

卷积神经网络(CNN)旨在解决图像识别问题,卷积神经网络在图像识别、机器视觉等方面有着广泛的应用。这张杭州天际线的图片,可以看到很多建筑和颜色。那么计算机是如何处理这幅图像的呢?图像由像素组成,像素表示图像中的一个颜色点。例如,一个40×30的图像,表示宽40个像素,高30个像素,总共有1200个像素。根据...

人工智能深度学习入门练习之(26)TensorFlow – 例子:人工神经网络(ANN)

生物神经元人脑有数十亿个神经元。神经元是人脑中相互连接的神经细胞,参与处理和传递化学信号和电信号。以下是生物神经元的重要组成部分:树突 –从其他神经元接收信息的分支细胞核 –处理从树突接收到的信息轴突 –一种被神经元用来传递信息的生物电缆突触 ...

人工智能深度学习入门练习之(25)TensorFlow – 例子:线性回归

数学中的回归是指,现实中的变量之间存在一种函数关系,通过一批样本数据找出这个函数关系,即通过样本数据回归到真实的函数关系。线性回归/LinearRegression是指,一些变量之间存在线性关系,通过一批样本数据找出这个关系,线性关系函数的图形是一条直线。线性函数的方程如下:y=wx+by=wx+b线性回归就是根据一批...

人工智能深度学习入门练习之(24)TensorFlow – TensorBoard

TensorBoard是一个工具,可以图形化显示TensorFlow程序(神经网络),还可以显示许多训练过程中的指标数据,如损失、准确度或权重等。TensorBoard可以帮助用户更好地理解、调试和优化TensorFlow程序。下面是一个线性回归模型的图形:TensorBoard通过读取TensorFlow事件日志文件...

人工智能深度学习入门练习之(23)TensorFlow – 高阶API

前面章节都是低阶API的介绍,有助于我们理解TensorFlow的基础知识。为方便开发人员,TensorFlow提供了高阶API,包括以下模块:Keras,用于构建和训练深度学习模型的TensorFlow高阶API。EagerExecution,一个以命令方式编写TensorFlow代码的API,就像使用NumPy一样...

人工智能深度学习入门练习之(22)TensorFlow – 会话

TensorFlow中,会话(Session)表示计算图一次执行的上下文,也被称为TensorFlow运行时。TensorFlow应用大致可以分为2个部分:使用计算图定义神经网络结构创建会话运行神经网络(计算图)我们将通过一个例子来加深理解。示例本例完成以下操作:创建两个张量常量创建一个操作打开一个会话打印结果impo...

人工智能深度学习入门练习之(21)TensorFlow – 创建计算图

下面的代码在内存中创建一个默认计算图。importtensorflowastfx=tf.Variable(3,name="x")y=tf.Variable(4,name="y")f=x*x*y+y+2代码中声明了变量和函数,这将会在内存中创建一个默认计算图。默认计算图是TensorFlow默认生成的计算图。>&g...

人工智能深度学习入门练习之(20)TensorFlow – 占位符

占位符允许稍后赋值,通常用于存储样本数据。要创建占位符,可使用tf.placeholder方法。语法tf.placeholder(dtype,shape=None,name=None)说明dtype:数据类型shape:占位符的维数,可选。默认情况下,值为赋值数据的形状name:占位符的名称,可选声明一个占位符:imp...

人工智能深度学习入门练习之(19)TensorFlow – 变量

变量存储可变化的值,例如可用于存储可训练参数:权重和偏置。要创建一个变量,可以使用tf.get_variable()方法。tf.get_variable(name="",values,dtype,initializer)参数name="":变量名称values:指定变量形状dtype:数据类型,可选initialize...

人工智能深度学习入门练习之(18)TensorFlow – 张量运算

我们已经知道怎么创建张量,现在来学习张量运算。TensorFlow包含了许多基本的张量运算操作,让我们从一个简单的平方运算开始。要进行平方运算,可以使用tf.sqrt(x)函数,x是一个浮点数。importtensorflowastfx=tf.constant([2.0],dtype=tf.float32)print(...

人工智能深度学习入门练习之(17)TensorFlow – 张量数据类型

张量中的所有元素只能有一种数据类型。可以使用张量属性dtype获取数据类型。importtensorflowastfm_shape=tf.constant([[10,11],[12,13],[14,15]])print(m_shape.dtype)输出<dtype:'int32'>在某些情况下,你希望更改数...

人工智能深度学习入门练习之(16)TensorFlow – 张量形状

张量的形状描述了张量中每个维度的元素数量。打印张量时,TensorFlow会输出张量的形状,你也可以直接获取张量的形状属性。importtensorflowastf#张量形状m_shape=tf.constant([[10,11],[12,13],[14,15]])m_shape.shape输出TensorShape(...
首页上一页...1011121314...下一页尾页