-
第 6 章 与学习相关的技巧
第 6 章 与学习相关的技巧 第 6 章 与学习相关的技巧 本章将介绍神经网络的学习中的一些重要观点，主题涉及寻找最优权重参数的最优化方法、权重参数的初始值、超参数的设定方法等。此外，为了应对过拟合，本章还将介绍权值衰减、Dropout 等正则化方法，并进行实现。最后将对近年来众多研究中使用的 Batch Normalization 方法进行简单的介绍... -
7.6 CNN的可视化
7.6 CNN的可视化 7.6.1 第 1 层权重的可视化 7.6.2 基于分层结构的信息提取 7.6 CNN的可视化 CNN 中用到的卷积层在“观察”什么呢？本节将通过卷积层的可视化，探索 CNN 中到底进行了什么处理。 7.6.1 第 1 层权重的可视化 刚才我们对 MNIST 数据集进行了简单的 CNN 学习。当时，第 1 层的卷积层的权... -
7.8 小结
7.8 小结 7.8 小结 本章介绍了 CNN。构成 CNN 的基本模块的卷积层和池化层虽然有些复杂，但是一旦理解了，之后就只是如何使用它们的问题了。本章为了使读者在实现层面上理解卷积层和池化层，花了不少时间进行介绍。在图像处理领域，几乎毫无例外地都会使用 CNN。请扎实地理解本章的内容，然后进入最后一章的学习。 本章所学的内容 CNN在此前... -
RelativeLayout VS LinearLayout
RelativeLayout VS LinearLayout RelativeLayout VS LinearLayout 在老版本的SDK中，创建一个默认的Android项目，系统默认创建的是LinearLayout作为activity_main.xml的根布局。而在新版本的SDK中，系统已经使用RelativeLayout来作为默认的根布局。其原因... -
1.6 Matplotlib
1.6 Matplotlib 1.6.1 绘制简单图形 1.6.2 pyplot 的功能 1.6.3 显示图像 1.6 Matplotlib 在深度学习的实验中，图形的绘制和数据的可视化非常重要。Matplotlib 是用于绘制图形的库，使用 Matplotlib 可以轻松地绘制图形和实现数据的可视化。这里，我们来介绍一下图形的绘制方法和图像的显... -
9.9.2 快速排序复杂度分析
9.9.2 快速排序复杂度分析 9.9.2 快速排序复杂度分析 我们来分析一下快速排序法的性能。快速排序的时间性能取决于快速排序递归的深度，可以用递归树来描述递归算法的执行情况。如图9-9-7所示，它是{50,10,90,30,70,40,80,60,20}在快速排序过程中的递归过程。由于我们的第一个关键字是50，正好是待排序的序列的中间值，因此递归树... -
4.5 学习算法的实现
4.5 学习算法的实现 4.5.1 2 层神经网络的类 4.5 学习算法的实现 关于神经网络学习的基础知识，到这里就全部介绍完了。“损失函数”“mini-batch”“梯度”“梯度下降法”等关键词已经陆续登场，这里我们来确认一下神经网络的学习步骤，顺便复习一下这些内容。神经网络的学习步骤如下所示。 前提 神经网络存在合适的权重和偏置，调整权重... -
6.6 二叉树的性质
6.6 二叉树的性质 6.6.1 二叉树性质1 6.6.2 二叉树性质2 6.6.3 二叉树性质3 6.6.4 二叉树性质4 6.6.5 二叉树性质5 6.6 二叉树的性质 二叉树有一些需要理解并记住的特性，以便于我们更好地使用它。 6.6.1 二叉树性质1 性质1：在二叉树的第i层上至多有2i-1个结点（i≥1）。 这个性质很好记忆，...