权威的安防产品运营商查询网站!

安检机
X光安检机
安检门

您所在位置:首页 > 新闻 > 安保百科

MIT高赞深度学习教程:一文看懂CNN、RNN等7种范例(TensorFlow教程)

2019-05-05 15:40:02 来源:

TAGS关键字:全球人工智能 

[摘要]MIT高赞深度学习教程:一文看懂CNN、RNN等7种范例(TensorFlow教程)

AcN安检之家

TensorFlow 教程:请参阅我们的深度学习基础教程的第 2 部分,了解用于对 MNIST 数据集中的手写数字进行分类的一个 CNN 示例。AcN安检之家
 AcN安检之家

 AcN安检之家

AcN安检之家

AcN安检之家

RNN 是具有循环的网络,因此具有 “状态记忆”。它们可以及时展开,成为权重共享的前馈网络。正如 CNN 在 “空间” 上共享权重一样,RNN 在 “时间” 上共享权重。这使得它们能够处理并有效地表示序列数据中的模式。AcN安检之家

RNN 模块有许多变体,包括 LSTM 和 GRU,以帮助学习更长的序列中的模式。它的应用包括自然语言建模、语音识别、语音生成等。AcN安检之家

TensorFlow 教程:训练循环神经网络是很有挑战性的,但同时也允许我们对序列数据进行一些有趣而强大的建模。使用 TensorFlow 生成文本的教程是我最喜欢的教程之一,因为它用很少的几行代码就完成了一些了不起的事情:在字符基础上生成合理的文本:AcN安检之家
 AcN安检之家

 AcN安检之家

AcN安检之家

AcN安检之家
 AcN安检之家

 AcN安检之家

AcN安检之家

前3 节中介绍的 FFNN、CNN 和 RNN 都只是分别使用密集编码器、卷积编码器或循环编码器进行预测的网络。这些编码器可以组合或切换,取决于我们试图形成有用表示的原始数据类型。“Encoder-Decoder” 架构是一种更高级的概念,通过对压缩表示进行上采样的解码步骤来生成高维输出,而不是进行预测。AcN安检之家

请注意,编码器和解码器可以彼此非常不同。例如, image captioning 网络可能有卷积编码器 (用于图像输入) 和循环解码器 (用于自然语言输出)。Encoder-Decoder 架构的应用包括语义分割、机器翻译等。AcN安检之家

TensorFlow 教程:请参阅驾驶场景分割的教程,该教程演示了针对自主车辆感知问题的最先进的分割网络:AcN安检之家
 AcN安检之家

 AcN安检之家

AcN安检之家

自动编码器 (Autoencoder) 是一种采用 encoder-decoder 架构的更简单的 “无监督学习” 形式,并学习生成输入数据的精确副本。由于编码的表示比输入数据小得多,网络被迫学习如何形成最有意义的表示。AcN安检之家

由于 ground truth 数据来自输入数据,所以不需要人工操作。换句话说,它是自我监督的。自动编码器的应用包括无监督嵌入、图像去噪等。最重要的是,它的 “表示学习” 的基本思想是下一节的生成模型和所有深度学习的核心。AcN安检之家

TensorFlow 教程:在这个 TensorFlow Keras 教程中,你可以探索自动编码器对 (1) 输入数据去噪和 (2) 在 MNIST 数据集进行嵌入的能力。AcN安检之家
 AcN安检之家

AcN安检之家

GAN 是一种用于训练网络的框架,GAN 网络经过优化,可以从特定的表示中生成新的逼真样本。最简单的形式是,训练过程涉及两个网络。其中一个网络称为生成器(generator),它生成新的数据实例,试图欺骗另一个网络,即鉴别器 (discriminator),后者将图像分类为真实图像和假图像。AcN安检之家

在过去的几年里,GAN 出现了许多变体和改进,包括从特定类别生成图像的能力、从一个域映射到另一个域的能力,以及生成图像的真实性的惊人提高。例如,BigGAN (https://arxiv.org/abs/1809.11096) 从单一类别 (毒蝇伞) 中生成的三个样本:

关于安检之家 - 联系我们 - 友情链接 - 广告服务 - 诚骋英才 - 网站建设 - 法律声明 - QQ群:327213830
CopyRight © 2005-2019安检之家安保网 Inc. All Rights Reserved

帐号未激活?     忘记密码?

关闭