歸檔
《我的PaddlePaddle學習之路》筆記五——驗證碼的識別
2018-01-31 210 閱讀 PaddlePaddle 我的PaddlePaddle學習之路 PaddlePaddle 圖像識別 驗證碼識別

你的教程詳細地介紹瞭如何使用PaddlePaddle來識別驗證碼，從數據集的準備、模型的設計到最終的訓練與預測過程。這一系列步驟非常適合用於理解和學習深度學習的基本流程和技巧，特別是在OCR（光學字符識別）領域中的應用。 ### 代碼結構解析 1. **數據預處理**： - `read_file` 函數用於讀取圖像文件，並將其轉換爲適合模型輸入的格式。 - `load_and_tr

閱讀全文
《我的PaddlePaddle學習之路》筆記四——自定義圖像數據集的識別
2018-01-21 243 閱讀 PaddlePaddle 我的PaddlePaddle學習之路 PaddlePaddle 圖像識別 自定義數據集

這個系列的筆記主要介紹如何使用PaddlePaddle實現一個簡單的圖像識別任務，包括數據準備、模型構建與訓練、以及結果預測。以下是每個部分的主要內容總結： ### 1. 環境搭建和初始設置 - **環境配置**：首先需要安裝Python3並確保其運行正常。 - **下載預處理腳本**：使用`DownloadImages.py`腳本從百度圖片中批量下載需要識別的圖片。這個腳本可以根據關鍵詞進行

閱讀全文
《我的PaddlePaddle學習之路》筆記三——CIFAR彩色圖像識別
2018-01-21 217 閱讀 PaddlePaddle 我的PaddlePaddle學習之路 PaddlePaddle CIFAR 圖像識別

這個項目是一個使用PaddlePaddle實現的CIFAR-10圖像分類模型，整個代碼結構清晰、註釋詳細。下面是對每個部分的主要功能和原理進行簡要說明： ### 1. `vgg.py` 這是一個包含VGG網絡定義的文件。VGG是一種經典的卷積神經網絡架構，在此文件中它被轉化爲PaddlePaddle的實現形式。 #### 主要內容： - **定義了VGG網絡結構**：包括多個卷積層、池化層和全

閱讀全文
《我的PaddlePaddle學習之路》筆記二——MNIST手寫數字識別
2018-01-21 218 閱讀 PaddlePaddle 我的PaddlePaddle學習之路 PaddlePaddle 手寫數字識別 MNIST數據集

你的代碼非常詳細，已經涵蓋了從訓練到預測的整個流程。下面我會對幾個關鍵點進行一些補充和優化，幫助你更好地理解和使用PaddlePaddle。 ### 1. **安裝依賴** 確保你已經安裝了必要的庫： ```bash pip install paddlepaddle numpy pillow ``` ### 2. **代碼改進和註釋** #### `infer.py` 以下是對你提供的`in

閱讀全文
《我的PaddlePaddle學習之路》筆記一——PaddlePaddle的安裝
2018-01-16 218 閱讀 PaddlePaddle 我的PaddlePaddle學習之路 PaddlePaddle 深度學習 Windows安裝PaddlePaddle Docker使用PaddlePaddle 編譯PaddlePaddle

這個筆記非常詳細地介紹瞭如何安裝和使用PaddlePaddle（現在稱爲Paddle）以及通過一個具體的例子來展示如何進行MNIST手寫數字識別。以下是對該筆記的總結，並提供一些補充信息： ### 安裝PaddlePaddle 1. **Python環境準備**： - 確保已經安裝了Python和pip。 2. **使用pip安裝**： ```bash pip inst

閱讀全文
《深度學習》學習筆記三——數值計算
2018-01-15 192 閱讀 深度學習 花書 深度學習 數值計算

這篇文章主要探討了在深度學習和優化領域中的一些關鍵概念，包括梯度、偏導數、約束優化以及KKT方法。下面是對這些內容的整理與總結： ### 1. 梯度與偏導數 - **一元函數**：對於一個單一變量的一元函數$f(x)$，駐點（極值點）可以通過求解其導數$df/dx=0$來找到。 - **多元函數**： - **偏導數**：對於具有多個輸入的函數$z=f(x,y)$，可以分別對每個輸入求偏導

閱讀全文
《深度學習》學習筆記二——概率論
2018-01-14 183 閱讀 深度學習 花書 深度學習 概率論

這段文檔涵蓋了概率論和機器學習中的許多重要概念，包括隨機變量的分佈、常用函數以及相關係數等。以下是對部分關鍵內容的總結： ### 1. 隨機變量與概率分佈 - **Bernoulli 分佈**：單個二值隨機變量的分佈。 - **Multinoulli 分佈（範疇分佈）**：在具有$k$個不同狀態的單個離散隨機變量上的分佈。 - **高斯分佈（正態分佈）**： \[ {\cal N}(x

閱讀全文
《深度學習》學習筆記一——線性代數
2018-01-13 233 閱讀 深度學習 花書 深度學習 線性代數

這段筆記涵蓋了機器學習中涉及的多種重要概念，特別是與線性代數相關的內容。以下是對筆記內容的一些總結和補充： ### 線性代數基礎 1. **矩陣和向量**：介紹了矩陣（由多個行和列組成的數組）和向量（本質上是單列或單行的矩陣）。強調了它們在機器學習中的重要性。 2. **線性組合與生成子空間**： - 線性組合：表示爲 $\sum_i x_i{\bf A}_{:,i}$。 - 生

閱讀全文