跳转到内容

人工智能学习网

床长

4RSS订阅

床长 的帖子

公告

请从前言看起! 本篇文章会员可见。只有认认真真学习的同学才能入会! 入会的入口链接在前几篇文章中,通… 继续阅读 公告

  • 发表于: 2018年11月19日 2020年10月25日
  • 作者: 床长

1.2.2 神经网络是如何进行预测的

上一篇文章中我们已经知道了如何将数据输入到神经网络中。那么神经网络是如何根据这些数据进行预测的呢?我… 继续阅读 1.2.2 神经网络是如何进行预测的

  • 发表于: 2018年11月18日 2026年5月6日
  • 作者: 床长

1.2.1 如何将数据输入到神经网络中

通过对前面文章的学习,我们已经知道神经网络可以实现真正的人工智能。本小节我会进行详细地讲解,让大家彻… 继续阅读 1.2.1 如何将数据输入到神经网络中

  • 发表于: 2018年11月18日 2023年3月30日
  • 作者: 床长

1.1.1 什么是神经网络

什么是人工智能?通俗来讲,就是让机器能像人一样思考。这个无需解释太多,因为通过各种科幻电影我们已经对… 继续阅读 1.1.1 什么是神经网络

  • 发表于: 2018年11月18日 2023年6月4日
  • 作者: 床长

目录

  • 前言
  • 人工智能基础
    • 科普
      • 什么是神经网络
    • 基础知识
      • 如何将数据输入到神经网络中
      • 神经网络是如何进行预测的
      • 预测得准确吗
      • 网络是如何进行学习的
      • 计算图
      • 如何计算逻辑回归的偏导数
      • 向量化
      • 如何开始使用python
      • 如何向量化人工智能算法
      • 一些基础概念
      • 特征工程
      • 哪些特征是有价值的
      • 数据清理
      • 逻辑回归与分类阈值
      • 静态训练与动态训练
      • 【实战编程】教你编写第一个人工智能程序
    • 神经网络
      • 浅层神经网络
      • 如何计算浅层神经网络的前向传播
      • 如何计算浅层神经网络的反向传播
      • 为什么需要激活函数
      • 常见的激活函数
      • 激活函数的偏导数
      • 随机初始化参数
      • 非线性与激活函数
      • 【实战编程】教你编写浅层神经网络
      • 为什么需要深度神经网络
      • 如何计算深度神经网络
      • 核对矩阵的维度
      • 参数和超参数
      • 监督学习型神经网络
      • 什么使深度学习火起来了
      • 【实战编程】构建深度神经网络
    • 额外知识
      • 标量、向量、矩阵和张量
      • 深入了解矩阵
      • 范数
      • 什么是微积分
      • 古典微积分
      • 极限微积分
      • 偏导数
      • 方向导数
      • 什么是概率论
      • 条件概率
      • 什么是信息论
      • 条件熵
      • 互信息
      • 相对熵(KL散度)
      • 交叉熵
  • 实战优化
    • 实战基础
      • 如何配置数据集
      • 欠拟合和过拟合
      • 如何解决欠拟合与过拟合
      • L2正则化
      • dropout
      • 数据增强
      • 将输入特征进行归一化处理
      • 梯度消失和梯度爆炸
      • 梯如何判断网络是否有bug
      • H5文件
      • 【实战编程】初始化参数
      • 【实战编程】正则化
      • 【实战编程】梯度检验
    • 优化算法
      • Mini-batch
      • 如何为mini-batch选择合理的大小
      • 指数加权平均
      • 输入理解指数加权平均
      • 动量梯度下降
      • RMSprop
      • Adam优化算法
      • 学习率衰减
      • 局部最优
      • 【实战编程】mini-batch梯度下降
      • 【实战编程】动量梯度下降
      • 【实战编程】Adam
      • 【实战编程】对比优化算法
    • 调试神经网络
      • 调参
      • 为调参选择采样标尺
      • 各种调参经验
      • 调参模式和工具
      • 规范化隐藏层的输入
      • BN的好处
      • 使用模型时的BN
      • Softmax
      • 深入理解softmax
      • 如何选择深度学习框架
      • 手把手教你使用tensorflow
      • 【实战编程】手把手带你学习Tensorflow1.x
      • 【实战编程】手把手教你用tensorflow1.x构建一个完整的人工智能程序
      • 【实战编程】手把手带你学习Tensorflow2.x
  • 实战经验
    • 实战经验一
      • 决策很重要
      • 正交化
      • 如何判断哪个网络更好?——F1分数
      • 如何做选择
      • 验证集与测试集的数据来源要一致
      • 数据集的获取与划分
      • 判定标准是可以变的
      • AI能力与人类能力的关系
      • 利用贝叶斯误差来判断拟合度
      • 人类误差是多少呢?
      • AI超越人类
      • 提升AI系统的一般流程
      • 数据集的偏见
      • 【实战编程】大项目神经网络
    • 实战经验二
      • 手工分析错误
      • 同时手工分析多个错误类别
      • 标签打错了
      • 如何修正错误标签
      • 快速地构建一个简单的系统
      • 验证集要反应出真实目的
      • 异源时的训练验证集
      • 常用的误差分析
      • 如何解决异源问题
      • 迁移学习
      • 如何实现迁移学习
      • 什么时候才应该使用迁移学习?
      • 多任务学习
      • 深度理解多任务学习
      • 一步到位——端到端学习
      • 何时用端到端
      • 如何制作数据集
      • 【实战编程】优化大项目
  • 智能视觉
    • 卷积神经网络
      • 智能视觉
      • 卷积运算
      • 边缘检测
      • 深入理解边缘检测
      • padding
      • 卷积步长
      • 3D卷积
      • 多过滤器
      • 卷积层
      • 一个完整的卷积网络
      • 池化层
      • 【实战编程】手把手教你构建卷积神经网络(一)
      • 【实战编程】手把手教你构建卷积神经网络(二)
      • 【实战编程】使用TF构建卷积神经网络
    • 深度卷积网络
      • 学习一些牛逼的例子
      • LeNet-5
      • AlexNet
      • VGG
      • 残差网络
      • 1×1卷积
      • Inception网络
      • 学会利用开源项目
      • 迁移学习
      • 学会使用数据增强
      • 智能视觉领域的现状
      • 【实战编程】残差网络
    • 目标检测
      • 物体定位
      • 关键点探测
      • 目标检测
      • 滑动窗口探测法
      • 卷积化滑动窗口
      • 如何判断定位是否精准
      • 如何避免一个物体被重复探测到?
      • 两个物体的中心在同一个格子怎么办?
      • 非极大值抑制的实现细节
      • 候选区域
      • 【实战编程】自动驾驶之车辆探测
    • 风格迁移
      • 风格迁移概述
      • 差异性验证
      • 如何实现差异性验证
      • 如何训练差异性验证网络
      • 差异性验证网络的训练技巧
      • 差异性验证网络的另一种训练方法
      • 神经网络每层到底都学会了什么?
      • 神经风格迁移网络
      • 内容损失函数
      • 什么是风格
      • 风格损失函数
      • 【实战编程】风格转换
      • 【实战编程】人脸识别
  • 智能语音
    • 循环序列模型
      • 序列模型
      • 序列模型的数据集
      • 循环神经网络RNN
      • RNN的计算过程
      • 各种结构的RNN
      • 人工智能写作
      • 普通RNN的记性不好
      • 使用LSTM来增强RNN的记忆力
      • 使用GRU来增强RNN的记忆力
      • 双向循环神经网络BRNN
      • 深度RNN
      • 纯pyhon构建RNN
      • 【实战编程】纯pyhon构建RNN
      • 【实战编程】智能写作
      • 【实战编程】智能音乐
    • 自然语言处理与词嵌入
      • 什么是词嵌入
      • 如何使用词嵌入技术
      • 词嵌入与类比推理
      • 如何得到词嵌入矩阵表
      • word2vector模型
      • 负采样
      • Glove模型
      • 情感分类
      • AI的偏见
      • 词嵌入除偏
      • 【实战编程】类比推理
      • 【实战编程】智能表情
      • 【实战编程】智能表情-升级版
    • 序列模型和注意力机制
      • seq2seq简介
      • 最佳翻译
      • Beam搜索
      • Beam搜索升级版
      • 问题是否出在Beam搜索上
      • 如何判断翻译得是否精准
      • 注意力模型
      • 注意力模型详述
      • 如何设置注意力权重?
      • 触发字检测
      • 【实战编程】机器翻译
      • 【实战编程】唤醒词检测
  • 大模型
    • 大模型前世今生
      • 大模型横空出世
      • 为什么是“大”模型?
      • 趣味溯源
    • 内部构造
      • Transformer
      • 自注意力机制
      • 预训练+微调
      • Tokenizer
    • 预训练
      • 无监督学习
      • 掩码语言模型(MLM)
      • 自回归生成
      • 算力玄学
    • 微调与对齐
      • 指令微调
      • RLHF
      • 对齐的坑
      • 实操小实验
    • 核心技能
      • 文本生成
      • 理解与推理
      • 工具使用
    • 翻车现场
      • 幻觉生成
      • 逻辑混乱
      • 偏见与歧视
      • 避坑指南
    • 实操乐园
      • 本地部署
      • 提示词(Prompt)工程
      • 模型压缩与量化
      • 趣味项目
    • 进化方向
      • 轻量化革命
      • 定制时代
      • 多智能体
      • 新模型架构
  • 智能体Agent
  • RAG
  • 多模态AI编程
  • AI工程化
  • AI金融量化
  • 类脑SNN
  • 强化学习

© 2026 人工智能学习网 沪ICP备15025210号