51dev.com IT技术开发者社区

51dev.com 技术开发者社区

不用写代码就能实现深度学习?手把手教你用英伟达 DIGITS 解决图像分类问题

不用写代码就能实现深度学习?手把手教你用英伟达 DIGITS 解决图像分类问题

英伟达想必大家都有所耳闻,但对英伟达开发的深度学习训练系统(NVIDIADeepLearningGPUTrainingSystem,DIGITS)知之甚少,今天我们介绍如何使用DIGITS,实现基于深度神经网络的图像分类,包括数据集创建、模型创建、模型训练、模型测试等等。面对众多的深度学习开发框架,你是不是安装配置深度...

元学习:实现通用人工智能的关键

元学习:实现通用人工智能的关键

本文转自:雷锋网本文作者FloodSung1前言MetaLearning(元学习)或者叫做LearningtoLearn(学会学习)已经成为继ReinforcementLearning(增强学习)之后又一个重要的研究分支(以后仅称为MetaLearning)。对于人工智能的理论研究,呈现出了ArtificialInte...

最全面java学习路线,没有再权威详细的了

最全面java学习路线,没有再权威详细的了

最近在暑假期间,群里多了很多想学习java的伙伴,大都是大学生,但是很多人学习java的时候都是很迷茫的,不知道从哪里开始学,网上的教程也是乱七八糟的,不知道如何分辨。正好今天逛论坛的时候,发现一份很好的学习路线,很多程序员都参与讨论了,也是大家公认的比较好的学习路线,在这里就跟大家分享下!java学习路线第一阶段:&...

Java全新学习路线图表

Java全新学习路线图表

第一阶段:Java语言基础第二阶段:Java高级技术第三阶段:web前端第四阶段:Javaweb编程(核心阶段)第五阶段:企业框架第六阶段:项目阶段第七阶段:企业专题因为大部分的人都是从零基础进行学习的,所以我建议大家一定要跟着大纲走,不然非常容易走偏,最后放弃,这是我以一个过来的经验给大家说的,希望大家引以为戒,多练...

java学习路线:一位资深程序员给Java初学者的建议

java学习路线:一位资深程序员给Java初学者的建议

java学习这一部分其实也算是今天的重点,这一部分用来回答很多群里的朋友所问过的问题,那就是我你是如何学习Java的,能不能给点建议?今天我是打算来点干货,因此咱们就不说一些学习方法和技巧了,直接来谈每个阶段要学习的内容甚至是一些书籍。这一部分的内容,同样适用于一些希望转行到Java的同学。  在大家看之前,我要先声明...

理科不好能否学习计算机技术

理科不好能否学习计算机技术

随着信息技术的不断发展,目前计算机相关领域已经建立了一个庞大的生态,围绕这个生态有大量的工作岗位,并不是所有的技术岗位都需要扎实的理科基础,所以即使数学等科目的基础不好,也是可以学习计算机相关技术的,而且能够学得会、用得好。在计算机领域,有以下岗位对于理科的要求并不高:第一:前端开发。前端开发是IT领域的重要岗位,通常...

“元学习”的理解

“元学习”的理解

1、定义 元学习(MetaLearning)或者叫做“学会学习”(Learningtolearn),它是要“学会如何学习”,即利用以往的知识经验来指导新任务的学习,具有学会学习的能力。当前的深度学习大部分情况下只能从头开始训练。使用Finetune来学习新任务,...

python机器学习包mlxtend的安装和配置

python机器学习包mlxtend的安装和配置

今天看到了mlxtend的包,看了下example集成得非常简洁。还有一个吸引我的地方是自带了一些data直接可以用,省去了自己造数据或者找数据的处理过程,所以决定安装体验一下。依赖环境首先,sudopipinstallmlxtend得到基础环境。然后开始看看系统依赖问题的解决。大致看了下基本都是python科学计算用...

机器学习特征选择之卡方检验与互信息

机器学习特征选择之卡方检验与互信息

特征选择的主要目的有两点:1.      减少特征数量提高训练速度,这点对于一些复杂模型来说尤其重要2.      减少noisefeature以提高模型在测试集上的准确性。一些噪音特征会导致模型出现...

从零开始,了解元学习

从零开始,了解元学习

元学习是目前机器学习领域一个令人振奋的研究趋势,它解决的是学习如何学习的问题。传统的机器学习研究模式是:获取特定任务的大型数据集,然后用这个数据集从头开始训练模型。很明显,这和人类利用以往经验,仅仅通过少量样本就迅速完成学习的情况相差甚远。因为人类学习了「如何学习」。在这篇文章中,我将从一个非常直观的元学习简介入手,从...

物联网改变教育和学习的五种方式

物联网改变教育和学习的五种方式

  由于新兴的技术创新,政府监管,学生的流动性以及其它因素,世界范围内的教育产业正在发生根本性的变革。日趋普遍的移动设备为教育领域提供了良好的机遇。  定制软件的开发能提升体验和领域知识,能够能够帮助教育机构更好地去管理,加快教育体系的发展,同时也能够优化教育规范和年龄人群。软件开发商为教育领域提供了定制化的方法,从而...

深度学习——你需要了解的八大开源框架

深度学习——你需要了解的八大开源框架

导读:深度学习(DeepLearning)是机器学习中一种基于对数据进行表征学习的方法,深度学习的好处是用非监督式或半监督式的特征学习、分层特征提取高效算法来替代手工获取特征(feature)。作为当下最热门的话题,Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目,他们也一...

深度学习如何提取特征

深度学习如何提取特征

引题:一个粗糙的想法,简单粗暴:法1:每幅图我让机器一个一个像素看,从像素来说,它最能准确地表达某个具体的物体具体的姿势。可以想到,来了一个像素,你能干嘛,你能判断它是谁?逐像素,你只能:(1)对比一张图片和你有损压缩之后相差多少(2)设一个阀值,然后灰度分级。一旦涉及特征,不会只是像素(尽管有rawfeatures,...

机器学习】【决策树】用样本集详解并计算:信息+香农熵+条件熵+信息增益+信息增益比+决策树的最优根节点+经验熵+经验条件

机器学习】【决策树】用样本集详解并计算:信息+香农熵+条件熵+信息增益+信息增益比+决策树的最优根节点+经验熵+经验条件

首先信息、香农熵、条件熵、信息增益都是信息论里面的概念。本文章的讲解和代码实现(除了条件熵和信息增益)都基于两个随机变量的样本空空间,样本空间X={x1,x2}的概率分布如下所示:p(x1)=p1,0<p1<1p(x2)=p2,0<p2<1p1+p2=1信息是用来消除随机不确定性的东西,信息的公...

机器学习算法之决策树

机器学习算法之决策树

决策树是一种简单高效并且具有强解释性的模型,广泛应用于数据分析领域。其本质是一颗由多个判断节点组成的树,如:决策树 在使用模型进行预测时,根据输入参数依次在各个判断节点进行判断游走,最后到叶子节点即为预测结果。决策树算法的核心是通过对数据的学习,选定判断节点,构造一颗合适的决策树。假设我们从用户行为日志中整理...