深度

深度估计，就是获取图像中的场景里的每个点到相机的距离信息，这种距离信息组成的图称之为深度图 – Depth map 两张图像中相同的物体的像素坐标不同； 较近的物体的像素坐标差异较大，较远的物体的差异较小； 同一个世界坐标系下的点在不同图像中的像素坐标差异，就

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与 deeplearning.ai 联合出品，主讲人是吴恩达 Andrew Ng 教授。感兴趣的网友可以观看网易云课堂的视频进行深入学习，视频的链接如下： 神经网络和深度学习 - 网易云课堂 也欢迎对神经网

图 的 遍历 就是 对 图 中的 结点 进行遍历 , 遍历 结点 有如下两种策略 : 深度优先搜索 DFS 广度优先搜索 BFS \\\" 深度优先搜索 \\\" 英文名称是 Depth First Search , 简称 DFS ; DFS 基本思想 : 访问第一个邻接结点 : 从 起始点 出发 , 该 起始点 可能有 若干 邻接结点 , 访问 第一个 邻接结点

参考资料： 5. 深度学习计算 — 动手学深度学习 2.0.0 documentation (d2l.ai) 为了实现这些复杂的网络，我们引入了神经网络块的概念。块（block）可以描述单个层、由多个层组成的组件或整个模型本身。 从编程的角度来看，块由类（class）表示。它的任何子类都必须定义一个将其

🚀Write In Front🚀 📝个人主页：令夏二十三 🎁欢迎各位→点赞👍 + 收藏⭐️ + 留言📝 📣系列专栏：深度学习 💬总结：希望你看完之后，能对你有所帮助，不足请指正！共同学习交流 🖊 1.1 欢迎来到深度学习 1. 为什么要学深度学习？ 2. 我们将学习到哪些内容？ 1.2 什么是

Tensorflow入门（1）——深度学习框架Tesnsflow入门 环境配置 认识Tensorflow 深度学习框架Tesnsflow 线程+队列+IO操作 文件读取案例 神经网络的种类： 基础神经网络：单层感知器，线性神经网络，BP神经网络，Hopfield神经网络等 进阶神经网络：玻尔兹曼机，受限玻尔兹曼机，递归神经

搜索问题是指既不能通过数学建模解决，又没有其他算法可以套用或者非遍历所有情况才能得出正确结果。这时就需要采用搜索算法来解决问题。搜索就是一种通过穷举所有解的状态，来求得题目所要求的解或者最优解的方法。 搜索的基本概念： 状态：对某一系统在某一时

李沐《动手学深度学习》预备知识 张量操作及数据处理 李沐《动手学深度学习》预备知识 线性代数及微积分 李沐《动手学深度学习》线性神经网络 线性回归 李沐《动手学深度学习》线性神经网络 softmax回归 李沐《动手学深度学习》多层感知机 模型概念和代码实现 李沐《

        深度学习是人工智能领域中最受关注和研究的子领域之一，它在 计算机视觉、自然语言处理、语音识别、推荐系统等 各个领域都有广泛的应用。本文将详细介绍深度学习的发展历史、不同类型、应用领域以及未来发展前景。         深度学习的起源可以追溯

搜索问题是指既不能通过数学建模解决，又没有其他算法可以套用或者非遍历所有情况才能得出正确结果。这时就需要采用搜索算法来解决问题。搜索就是一种通过穷举所有解的状态，来求得题目所要求的解或者最优解的方法。 搜索的基本概念： 状态：对某一系统在某一时

感谢李沐老师的教学视频以及《动手学深度学习》，视频总时长47h https://zh-v2.d2l.ai/chapter_preface/index.html https://www.bilibili.com/video/BV1if4y147hS/?spm_id_from=333.999.0.0vd_source=0cafd28c011c5492e6d7e39f1fd256d9 介绍深度学习经典和最新模型LeNet,ResNet,LSTM,BERT,.. 机器学习基础 损失函数、目标函数、

        GAN（Generative Adversarial Networks）是一种深度学习模型，它由两个神经网络组成：一个生成网络和一个判别网络。生成网络学习如何生成类似于给定数据集的新数据，而判别网络则学习如何区分生成网络生成的数据和原始数据。这两个网络相互竞争，使得生成器越来

本文记录了我在学习深度学习的过程中遇到过的不懂的知识点，为了方便翻阅，故将其发表于此，随时更新，供大家参考。 在深度学习中， 测试精度 和 训练精度 是两个重要的指标，它们分别代表了模型在 测试集上的分类正确率 和 训练集上的分类正确率 。测试集是用来评

深度学习是机器学习的一个分支，它使用深度神经网络来模拟人脑的工作方式，通过学习样本数据的内在规律和表示层次，让机器能够具有类似于人类的分析学习能力。深度学习的最终目标是实现人工智能的普及化，使机器能够识别、处理、分析和理解各种数据，如文字、图