使用矩阵的方式编写人工智能框架

使用矩阵的方式编写人工智能框架
共47节 596人在学 课程详情

  • 使用矩阵的方式编写人工智能框架

    • 使用矩阵编写人工智能框架
    • 测试及分析计算结果
    • 对使用矩阵方式编写的人工智能框架进行优化
    • 辅导资料：线性代数行列式

  • 使用四种性能优化矩阵编写人工智能框架

    • 梯度下降陷阱
    • 增加和调整Alpha参数
    • 人工智能框架的改进优化
    • 辅导资料：矩阵及运算-上集
    • 辅导资料：矩阵及运算-下集

  • 人工智能及感知元解密

    • 人工智能是什么，怎么做，前景为什么好
    • 计算机图像识别
    • 辅导资料：矩阵的初等变换与线性方程组-上集
    • 辅导资料：矩阵的初等变换与线性方程组-下集

  • Spark+Pytorch开发应用

    • PyTorch深度学习框架案例
    • 基于大数据的甩单订单类型的自动识别案例
    • PyTorch预训练BERT模型解读
    • 加载Google AI、OpenAI预训练的权重
    • Spark+Alluxio+PyTorch综合开发案例
    • PyTorch实现逻辑回归分类

  • 神经网络结构及Sigmoid函数

    • 神经网络结构及Sigmoid函数
    • Sigmoid函数的弱点及改进
    • 辅导资料：向量组的线性相关性-上集
    • 辅导资料：向量组的线性相关性-中集
    • 辅导资料：向量组的线性相关性-下集

  • 用神经网络识别手写数字

    • 神经网络识别手写数字的原理
    • 使用PyTorch框架编码实现MNIST手写数字识别程序
    • 辅导资料：相似矩阵及二次型-上集
    • 辅导资料：相似矩阵及二次型-中集
    • 辅导资料：相似矩阵及二次型-下集
    • 辅导资料：基于Windows系统安装配置GPU

  • 人工智能框架编写中关于损失度及梯度下降的设计与实现

    • 损失函数的本质剖析
    • 辅导资料：线性空间与线性变换

  • MNIST数字识别

    • MNIST数据的加载
    • 神经网络的初始化
    • 小批量随机梯度下降
    • 超参数调优
    • 辅导资料：函数与极限
    • 辅导资料：数列的极限

  • 从矩阵视角剖析神经网络的运行过程

    • 从矩阵视角剖析神经网络的运行过程
    • 人工智能框架神经网络四个核心数学公式
    • 辅导资料：Bert+BiLSTM+CRF案例数据标注
    • 辅导资料：NER算法简介使用CRF及HMM训练命名实体识别-上集
    • 辅导资料：NER算法简介使用CRF及HMM训练命名实体识别-下集
    • 辅导资料：Bert+BiLSTM+CRF模型解密-Bert
    • 辅导资料：Bert+BiLSTM+CRF模型解密-RNN
    • 辅导资料：Bert+BiLSTM+CRF模型解密-LSTM
    • 辅导资料：Bert+BiLSTM+CRF模型解密-CRF

    订阅失败

    使用矩阵的方式编写人工智能框架
    使用矩阵的方式编写人工智能框架 ...

    订阅列表已满，请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看！专家精选系列课程，满足你从入门到精通！更有问答月卡免费送，你的问题有问必答！
    提交答案

    购买课程

    扫码完成付费，可继续学习全部课程内容

    加载中...
    播放页问题反馈
    视频学习中有任何产品建议都可由此反
    馈，我们将及时处理！

    课时介绍

    辅导资料：向量组的线性相关性-上集

    课程介绍

    使用矩阵的方式编写人工智能框架、使用四种性能优化矩阵编写人工智能框架、人工智能及感知元解密、神经网络结构及Sigmoid函数、用神经网络识别手写数字、人工智能框架编写中关于损失度及梯度下降的设计与实现、 MNIST数字识别、从矩阵视角剖析神经网络的运行过程

     

    推荐课程
    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    课件正在飞速打包中，请耐心等待几秒钟～