随笔分类 - # 深度学习
摘要：文章目录 1 Q-learning与Deep Q-learning2 DQN的结构组成3 DQN创新技术（重点）3.1 Experience Replay（经验回放）3.2 Fixed Q-Target（固定Q目标）3.3 Double Deep Q-Learning（双重深度Q学习方法） 4 DQ
阅读全文
摘要：实现代码github仓库：RL-BaselineCode 代码库将持续更新，希望得到您的支持⭐，让我们一起进步！ 文章目录 1. 原理讲解1.1 Q值更新公式1.2 ε-greedy随机方法 2. 算法实现2.1 算法简要流程2.2 游戏场景2.3 算法实现 3. 参考文章 1. 原理讲解 Q-le
阅读全文
摘要：文章目录 1 LeNet2 AlexNet3 VGG4 NiN5 GoogLeNet6 ResNet7 DenseNet 本文为作者阅读学习李沐老师《动手学深度学习》一书的阶段性读书总结，原书地址为：Dive into Deep Learning。 1 LeNet 网络结构 实现代码 net = n
阅读全文
摘要：使用块的网络（VGG） 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 另，给自己练习时没有gpu资源的小伙伴推荐下kaggle数据科学网站，每周免费训练时长30h。 1 网络结构 VGG块由一系列卷积层和一个最大汇聚层组成，块中的激活函
阅读全文
摘要：深度卷积神经网络_AlexNet 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 1.网络结构 网络结构计算过程： 假设输入形状是 n h × n w n_h\times n_w nh×nw，卷积核窗口形状是 k h × h w k_
阅读全文
摘要：卷积神经网络（LeNet） 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 1. 网络结构 网络结构计算过程： 假设输入形状是 n h × n w n_h\times n_w nh×nw，卷积核窗口形状是 k h × h w k_h\
阅读全文
摘要：1. 输入通道数为 n n n，输出通道数为 1 1 1 当输入数据含多个通道时，我们需要构造一个输入通道数与输入数据的通道数相同的卷积核，从而能够与含多通道的输入数据做互相关运算。 例如：含 2 2 2个输入通道的二维互相关计算的例子。在每个通道上，二维输入数组与二维核数组做互相关运算，再按通道相
阅读全文
摘要：深度学习计算 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 文章目录 深度学习计算1. 模型构造1.1 继承`Module`类来构造1.2 `Sequential`类来构造 2. 模型参数的访问、初始化和共享2.1 访问模型的层数据2.
阅读全文
摘要：深度学习基础 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 文章目录 深度学习基础1 线性回归1.1 线性回归从零开始实现生成数据集读取数据初始化模型参数定义模型定义损失函数定义优化算法训练模型 1.2 线性回归的简洁实现生成数据集读取
阅读全文
摘要：Tensor数据操作 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 文章目录 Tensor数据操作1. Tensor创建2. 索引3. 改变形状4. 广播机制5. 运算的存储机制6. Tensor和NumPy相互转换7. 梯度 1. T
阅读全文
