很多教程说用更小的样本数或者换显存更大的硬件。。。其实是治标不治本。 如果你是直接将全部训练样本以np.narray数组

一个神经元有多个输入和输出。每个神经元的输入既可以是其他神经元的输出，也可以是整个神经网络的输入，所谓神经网络的结构指的

大家有没有遇到过这种情况？代码跑得飞起，服务器又突然没配GPU。这事儿在2026年依然很常见。我帮一家做图像识别的科技公

本章概述：在第一章的系列文章中介绍了tf框架的基本用法，从本章开始，介绍与tf框架相关的数据读取和写入的方法，并会在最后

1.建立一个神经网络添加层 输入值、输入的大小、输出的大小和激励函数 学过神经网络的人看下面这个图就明白了，不懂的去看看

[[211061]] STATWORX 团队近日从 Google Finance API 中精选出了 S＆P 500 数

[[199663]] 神经网络在过去几年中取得了惊人的进步，现在已成为图像识别和自动翻译领域***进的技术。Tensor

时间序列预测的机器学习概述 当前，机器学习正在席卷全球，机器人能够以类似人类的精度完成许多领域中的任务。例如，在医疗领域

线性回归 步骤 构造线性回归数据 定义输入层 设计神经网络中间层 定义神经网络输出层 计算二次代价函数，构建梯度下降 进

本文将从iris数据集创建一个线性分类器。如前所述，用花萼宽度和花萼长度的特征可以创建一个线性二值分类器来预测是否为山鸢

图像编码处理+图像大小调整+图像翻转+图像色彩调整+处理标注框 #!/usr/bin/env python # -*-

Seq2Seq 首先来简单说明一下 Seq2Seq 模型，如果搞过深度学习，想必一定听说过 Seq2Seq 模型，Seq

首先是确定好所有软件的版本是最重要的，现在控制面板中找到Nvida控制面板 在这里找到我们的显卡型号1050ti和对应的

之前我们讲了神经网络的起源、单层神经网络、多层神经网络的搭建过程、搭建时要注意到的具体问题、以及解决这些问题的具体方法。

1、神经网络优化算法 梯度下降算法主要用户优化单个参数的取值，而反向传播算法给出了一个高效的方式在所有参数上使用梯度下降

本节将针对波士顿房价数据集的房间数量（RM）采用简单线性回归，目标是预测在最后一列（MEDV）给出的房价。 波士顿房价数

一、简介 Keras 是一个用于构建和训练深度学习模型的高阶 API。它可用于快速设计原型、高级研究和生产...

准备工作 我们使用的是anaconda环境安装，所以首先你得安装anaconda，可参考《Windows安装Theano

[[253678]] 机器学习(ML)是一种用于识别模式和预测未来概率的数据分析方法，它是人工智能(AI)研究的一部分。

顾名思义，k均值聚类是一种对数据进行聚类的技术，即将数据分割成指定数量的几个类，揭示数据的内在性质及规律。 我们知道，在

支持向量机可以用来拟合线性回归。 相同的最大间隔（maximum margin）的概念应用到线性回归拟合。代替最大化分割

卷积神经网络的概念 在多层感知器（Multilayer Perceptrons，简称MLP）中，每一层的神经元都连接到下

进行深度学习模型训练的时候，一般使用GPU来进行加速，当训练样本只有百万级别的时候，单卡GPU通常就能满足我们的需求，但

1介绍 深度学习后面的数学概念已经存在10多年，但是深度学习框架是最近几年才出来的。现在大量的框架在灵活性上和便于工业界

在开发人脸识别项目时，遇到了一个让人挠头的问题。明明保存的模型文件还在，但加载的时候却报错。这让我想起以前用tensor

一、保存模型的全部配置信息 使用model.save()函数搭配tf.keras.models.load_model()

一、准备数据 二、构建模型 三、训练模型 四、进行预测 五、批量随机梯度下降的实现 免责声明：本文系网络转载或改编，未找

卷积神经网络是目前深度学习的核心网络结构，被广泛的应用于计算机图像识别。 输入数据会通过多个卷积层及激活函数来获得输入数

如果我们用C++编写程序只能应用在单个CPU核心上，当需要并行运行在多个GPU上时，我们需要从头开始重新编写程序。但是T

工作台上有个老问题：垃圾邮件过滤系统总是漏掉新出现的诈骗剧本。去年帮某金融公司处理时发现，光靠规则过滤撑不了三周。后来转

1.建立模型(Model) 如下为我们进行某项实验获得的一些实验数据： 我们将这些数据放到一个二维图上可以看的更直观一些

第1章 张量的索引与切片 1.1 张量的维度方向 1.2 张量元素的访问：下标 张量元素的标识a[Idx-x][Idx-

准备工作 我们使用的是anaconda环境安装，所以首先你得安装anaconda，可参考《Windows安装Theano

一、深度学习框架的选择 随着深度学习日趋火热，技术的逐渐兴起，各种深度学习框架也层出不穷。 目前使用普遍的框架有Tens

什么是 TPU TPU 代表 Tensor Processing Unit (张量处理单元) ，是由谷歌在 2016 年

译者 | 陈峻 审校 | 孙淑娟 鉴于图像分类在机器学习中的实际应用价值，本文将使用Fashion MNIST案例进行图

[[242005]] 目标 本文的目标是解释一个可用于构建基本LSTM模型的简单代码。我不会讨论和分析结果。这只是为了让

[[211918]] 在这篇文章中，我们将会介绍如何使用 TF.Learn API 同时训练一个广度线性模型和一个深度前

1.结论 照惯例，先上结论，再说过程，不想看过程的可直接略过。 从这个图我们可以知道，一个LSTM cell中有4个参数

为什么我要折腾模型转换？你也遇到过这个问题在项目里遇到了个烦心事，之前用PyTorch训练的Query2Title模型，

在做自己的项目时和做毕业设计的时候会用到一些网络的预训练模型和数据集。 那么去哪里获取这些数据集和预训练模型呢。今天这里

一、如何搭建神经网络 在搭建神经网络中，需要通过训练集训练搭建的神经网络，训练完成后需要通过验证集测试我们神经网络训练的

一、异常检测 异常定义为偏离标准，很少发生且不遵循其余“模式”的事件。异常的例子包括： 由于世界大事而导致的股市大跌 工

记得去年和团队一起搞机器学习项目时，有个问题让我印象深刻。我们尝试用本地机器训练模型，三个月后才看到训练进度，数据量一亿

一、装载系统 首先 下载 系统镜像 到这里下载https://developer.nvidia.com/embedded/downloads，选择自己需要的jetpack版本。我当时安装的时候查的资料

电脑硬件配置及软件安装版本说明： CPU: i7-10750H 显卡：RTX2060 各软件安装版本： Nvidia -

Tensor Flow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Node

1. 预备工具 1.1 说明 编译过程有点坑，而且耗时，如果不是必须要编译的话，可以去 https://github.c

一.全连接的BP神经网络 1.BP(back propagation反传播)神经网络 bp神经网络的基本思想是梯度下降法

了解机器学习概念之后，无涯教程现在可以将重点转移到深度学习概念上，深度学习是机器学习的一个分支，被认为是近几十年来研究人