AI学习笔记(一)
- 不同于之前常见的基于规则的硬编码所要处理的那种特定的任务，人工智能具有一定的通用性，可以处理更加复杂的计算任务，并具有一定的推理能力，这就是所谓的＂通用人工智能＂或＂强人工智能＂（General AI）．目前的人工智能只是在某些特定任务上达到或超过了人类，但缺少一定的通用性，是一种弱人工智能（Narrow AI），非强人工智能．
- 2.
相关阅读
相关 二、AI教程学习笔记 | 调试神经网络（一）
1、[调参][Link 1] 提高速度 一般在小数据集上合适的参数，在大数据集上效果也不会太差。因此可以尝试对数据进行精简，以提高速度，在有限的时间内可以尝
心已赠人相关 二、AI教程学习笔记 | 神经网络优化（一）
目录 1、如何配置数据集 2、欠拟合和过拟合 3、如何解决欠拟合与过拟合 4、L2和L1正则化 5、dropout 6、数据增强 为什么需要数据增强 ： 数据增
相关 一、AI教程学习笔记 | 神经网络基础知识（二）
目录 1、浅层神经网络 2、如何计算浅层神经网络的前向传播 3、如何计算浅层神经网络的反向传播 4、为什么需要激活函数 5、常见的激活函数 （1）sigmoid函数
相关 一、AI教程学习笔记 | 神经网络基础知识（一）
目录 1、如何将数据输入到神经网络中 2、神经网络是如何进行预测的 3、神经网络如何判断自己预测得是否准确 4、神经网络是如何进行学习的 5、计算图 6、如何计算逻
相关 十一、AI学习笔记|Inception网络
1、 1x1卷积 也称为网中网 如下，输入一个 6x6 的 矩阵，过滤器是 1x1 的，则相当于每个元素简单的乘以了 2。 
柔情只为你懂相关 九、Ai学习笔记|VGG
卷积层 VGG的每一个卷积层使用的都是 3x3的卷积层，步长都是1，而且都是 same层（即卷积后，通过padding，使得矩阵的大小不变） 池化层 每一个池化层步长都是
你的名字相关 八、AI学习笔记|AlexNet
向右看齐相关 一、AI学习笔记|优化基础
1、数据集配置 有人将数据集划分成训练集、验证集和测试集，也有人只划分成训练集和测试集。 验证集和测试集的数据来源要一致。 尽量保证数据的来源一致。 对于小型数据集
相关 AI学习笔记(一)
1. 不同于之前常见的基于规则的硬编码所要处理的那种特定的任务，人工智能具有一定的通用性，可以处理更加复杂的计算任务，并具有一定的推理能力，这就是所谓的＂通用人工智能＂或＂强
àì夳堔傛蜴生んèń
还没有评论，来说两句吧...