科老师7天强化学习心得
比99.8%的星际玩家都强了。
之前接触过不少深度学习的内容，在大学里也上过相关的课程，但是强化学习，我从来没有上手玩耍过。之前一种用国外的框架...
7日强化学习小结
我之前学习过CV，对强化学习一无所知，通过7天的快速学习，感觉进入了一扇新的大门，而且门里还很有意思。
网络上虽然已有许多相关学习材料...
百度飞桨深度学习7日打卡学后感
了解pp平台使用方法的步骤。这天的作业中我尝试了加网络深度，层数与滤波器数量实现特征金字塔化，添加bn归一化，随机失活降低过拟合，adam...
模型大小与训练数据集大小认识
过拟合是深度学习实践中非常容易出现的现象，其根本原因是：
1. 模型的复杂度大于实际问题的复杂度2. 模型的复杂度大于训练数据的复杂度在各...
【AI达人养成营】学习心得
网络占用的内存量，其三个关键的操作，其一是局部感受野，其二是权值共享，其三是pooling层，有效的减少了网络的参数个数，缓解了模型的过拟合...
AI达人养成营 resnet相关知识
函数F(x)=H(x)-x。 只要F(x)=0，就构成了一个恒等映射H(x)=x 。这种残差学习结构可以通过前向神经网络+shortcut...
生成对抗网络的基本原理
真假数据，即判断数据是真实的还是生成的。 2、z是随机生成的向量，通过生成网络G后得到生成数据G(z)。 3、x是原始的数据，真实...
数字孪生——智慧矿山的发展机遇
融合的企业数字孪生矿山需要通过现场数据的采集和感知,充分融合矿山行业工艺技术和生产管理知识,建立大数据和人工智能计算与服务中心,结合边云...
