dl专题
消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法
消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法 消除安卓SDK更新时的“https://dl-ssl.google.com refused”异常的方法 [转载]原地址：http://blog.csdn.net/x605940745/article/details/17911115 消除SDK更新时的“
【DL--05】深度学习基本概念—函数式模型
函数式模型 函数式模型算是本文档比较原创的词汇了，所以这里要说一下 在Keras 0.x中，模型其实有两种，一种叫Sequential，称为序贯模型，也就是单输入单输出，一条路通到底，层与层之间只有相邻关系，跨层连接统统没有。这种模型编译速度快，操作上也比较简单。第二种模型称为Graph，即图模型，这个模型支持多输入多输出，层与层之间想怎么连怎么连，但是编译速度慢。可以看到，Sequentia
【DL--04】深度学习基本概念—data_format
data_format 这是一个无可奈何的问题，在如何表示一组彩色图片的问题上，Theano和TensorFlow发生了分歧，’th’模式，也即Theano模式会把100张RGB三通道的16×32（高为16宽为32）彩色图表示为下面这种形式（100,3,16,32），Caffe采取的也是这种方式。第0个维度是样本维，代表样本的数目，第1个维度是通道维，代表颜色通道数。后面两个就是高和宽了。这种t
【DL--03】深度学习基本概念—张量
张量 TensorFlow中的中心数据单位是张量。张量由一组成形为任意数量的数组的原始值组成。张量的等级是其维数。以下是张量的一些例子： 3 # a rank 0 tensor; this is a scalar with shape [][1. ,2., 3.] # a rank 1 tensor; this is a vector with shape [3][[1., 2., 3.]
【DL--02】深度学习基本概念--符号计算
符号计算 Keras的底层库使用Theano或TensorFlow，这两个库也称为Keras的后端。无论是Theano还是TensorFlow，都是一个“符号式”的库。 因此，这也使得Keras的编程与传统的Python代码有所差别。笼统的说，符号主义的计算首先定义各种变量，然后建立一个“计算图”，计算图规定了各个变量之间的计算关系。建立好的计算图需要编译以确定其内部细节，然而，此时的计算图还
【DL--01】深度学习 揭开DL的神秘面纱
什么是深度学习 深度学习=深度神经网络+机器学习 人工智能 > 机器学习 > 表示学习 > 深度学习 神经元模型 输入信号、加权求和、加偏置、激活函数、输出 全连接层 输入信号、输入层、隐层（多个神经元）、输出层（多个输出，每个对应一个分类）、目标函数（交叉熵） 待求的参数：连接矩阵W、偏置b 训练方法：随机梯度下降，BP算法（后向传播） Python中深度学习实现：Ke
【DL--22】实现神经网络算法NeuralNetwork以及手写数字识别
1.NeuralNetwork.py #coding:utf-8import numpy as np#定义双曲函数和他们的导数def tanh(x):return np.tanh(x)def tanh_deriv(x):return 1.0 - np.tanh(x)**2def logistic(x):return 1/(1 + np.exp(-x))def logistic_derivati
android开发之Android SDK更新出现Connection to http://dl-ssl.google.com refused 的解决办法
文章出处:http://blog.csdn.net/foxeatapple/article/details/8450372 问题描述使用SDK Manager更新时出现问题Failed to fetch URL https://dl-ssl.google.com/android/repository/repository-6.xml, reason: Connection to https
DL/T645-2007_Part2（参变量数据标识编码表）
数据类型分为7类：电能量、最大需量及发生时间、变量、事件记录、参变量、冻结量、负荷记录。 数据标识数据格式 数据 长度 (字节)单位功能数据项名称DI₃DI₂DI₁DI₀读写04 00 01 01020304050607YYMMDDWWhhmm55NNNNXXXXYYNM00hhmmYYNMDDhhmm 4 3 1 2 5 5年月日星期时分秒分分毫秒年月日时分年月日时分日期及星期(其
DL/T645-2007_Part2（变量数据标识编码表）
数据类型分为7类：电能量、最大需量及发生时间、变量、事件记录、参变量、冻结量、负荷记录。 数据标识数据格式数据长度字节单位功能数据项名称 DI₃ DI₂ DI₁DI₀读写 02 01 01 02 03 FF 00 XXX,X2 V十A相电压B相电压C相电压电压数据块 02 02 01 02 03 FF 00 XXX.XXX3 AA相电流B相电流C相电流电流数据块 02 03 00
巧用 HTML 列表：＜ul＞、＜ol＞、＜dl＞的实用指南
目录 无序列表 容器级标签 有序列表 定义列表 一个dt配很多dd 每一个dl里面只有一个dt和dd 一个dl配多个dt 多级列表 无序列表 <ul>标签用于定义无序列表。无序列表的特点是各个列表项之间没有特定的顺序，通常以小圆点作为先导符号。所有主流浏览器都支持<ul>标签。 列表项<li>不能单独存在，必须包裹在<ul>标签内
DL/T645-2007_Part2（最大需量及发生时间数据标识编码表）
数据类型分为7类：电能量、最大需量及发生时间、变量、事件记录、参变量、冻结量、负荷记录。 数据标识数据格式数据长度字节单位功能数据项名称DI₃DI₂DI₁DI₀读写01 01 00013FFF00 XX.XXXXYYMMDDhhmm8 kW年月日时分(当前)正向有功总最大需量及发生 时间(当前)正向有功费率1最大需量及 发生时间(当前)正向有功费率63最大需量及
深度学习（DL）算法分分类
深度学习（DL）算法是机器学习的一个子集，专注于使用深度神经网络（DNN）来模拟人脑的学习过程，从而解决复杂的数据处理和模式识别问题。以下是一些常见的深度学习算法： 1. 卷积神经网络（Convolutional Neural Networks, CNN） 定义与原理：CNN是一种特殊类型的神经网络，特别适用于处理具有网格结构的数据，如图像。它通过卷积层对输入图像进行特征提取，池化层用于减少数
智能科技的浪潮：AI、ML、DL和CV的探索之旅
智能科技的浪潮：AI、ML、DL和CV的探索之旅 前言人工智能：智能科技的基石从专用到通用：AI的分类与演进机器学习：数据中的智慧算法的力量：经典与创新深度学习：解锁复杂性之门神经网络的深度：基础与应用计算机视觉：赋予机器“看”的能力从看到理解：CV的挑战与应用未来展望：技术的融合与创新结语 前言 在这个信息爆炸、技术革新日新月异的时代，我们正站在一个全新科技革命的门槛上。
[DL]深度学习_扩散模型
扩散模型原理 深入浅出扩散模型 一、概念简介 1、Denoising Diffusion Probalistic Models，DDPM 1.1 扩散模型运行原理 首先sample一个都是噪声的图片向量，这个向量的shape和要生成的图像大小相同。通过Denoise过程来一步一步有规律的滤去噪声。Denoise的次数是事先规定的，给每一个步骤给定编号，最终步骤编号为
DL基础补全计划(六)---卷积和池化
PS：要转载请注明出处，本人版权所有。 PS: 这个只是基于《我自己》的理解， 如果和你的原则及想法相冲突，请谅解，勿喷。 环境说明 Windows 10VSCodePython 3.8.10Pytorch 1.8.1Cuda 10.2 前言 本文是此基础补全计划的最终篇，因为从我的角度来说，如果前面这些基础知识都能够了解及理解，再加上本文的这篇基础知识，那么我们算是小半只脚踏入了大
DL基础补全计划(五)---数值稳定性及参数初始化（梯度消失、梯度爆炸）
PS：要转载请注明出处，本人版权所有。 PS: 这个只是基于《我自己》的理解， 如果和你的原则及想法相冲突，请谅解，勿喷。 环境说明 Windows 10VSCodePython 3.8.10Pytorch 1.8.1Cuda 10.2 前言 如果有计算机背景的相关童鞋，都应该知道数值计算中的上溢和下溢的问题。关于计算机中的数值表示，在我的《数与计算机 （编码、原码、反码、补码、移码
DL基础补全计划(四)---对抗过拟合：权重衰减、Dropout
PS：要转载请注明出处，本人版权所有。 PS: 这个只是基于《我自己》的理解， 如果和你的原则及想法相冲突，请谅解，勿喷。 环境说明 Windows 10VSCodePython 3.8.10Pytorch 1.8.1Cuda 10.2 前言 在《DL基础补全计划(三)—模型选择、欠拟合、过拟合》（ https://blog.csdn.net/u011728480/article/d
DL基础补全计划(三)---模型选择、欠拟合、过拟合
PS：要转载请注明出处，本人版权所有。 PS: 这个只是基于《我自己》的理解， 如果和你的原则及想法相冲突，请谅解，勿喷。 环境说明 Windows 10VSCodePython 3.8.10Pytorch 1.8.1Cuda 10.2 前言 在前文中，我们已经接触了两种回归模型，也接触了深度学习中的一些常见的概念。其中有趣的信息是，我们在《DL基础补全计划(二)—Softmax回归
DL基础补全计划(二)---Softmax回归及示例（Pytorch，交叉熵损失）
PS：要转载请注明出处，本人版权所有。 PS: 这个只是基于《我自己》的理解， 如果和你的原则及想法相冲突，请谅解，勿喷。 环境说明 Windows 10VSCodePython 3.8.10Pytorch 1.8.1Cuda 10.2 前言 在《DL基础补全计划(一)—线性回归及示例（Pytorch，平方损失）》（https://blog.csdn.net/u011728480/a
数学/ML/DL文章索引（2020.9.20更新）
西瓜书 1.绪论 2.模型评估与选择 3.线性模型 4.决策树 5.神经网络 6.svm 7.贝叶斯分类器 8.集成学习 9.聚类 10.降维与度量学习 11.特征选择与稀疏学习 12.计算学习理论 13.半监督学习 14.概率图 15.规则学习 16.强化学习 统计学习方法 5.决策树 6.逻辑回归与最大熵 7.支持向量机 8.提升方法 9.EM 10.隐马尔可夫 11.条件随机场 12.
计算机（DL）基本术语
1. 提升来多少点。这个点是指百分比点。 如：假设一个模型初始的准确率是75%，经过改进之后，准确率提升到82%。那么提升的点数计算如下： 初始准确率：75% 改进后的准确率：82% 准确率提升： ΔA=82%−75%=7% 因此，提升了7个点。
[deeplearning-016] dl最佳学习路线
1. BP算法。只需要参考 Hinton在natrure上的论文，1986年。https://www.nature.com/articles/323533a0 把算法手动推导十遍，然后用任意一种语言实现，完整跑出一个例子得到合理的预期的结果。这一步最重要，BP是深度学习的核心。BP算法不要找其他论文了，这个就是最好的。 2. CNN网络。LeNet-5论文《Gradient-Based Le
解决：Failed to fectch URl https://dl-ssl.google.com/android/repository/addons_list.xml, reason: Connec
Failed to fectch URl https://dl-ssl.google.com/android/repository/addons_list.xml, reason: Connection to https://dl-ssl.google.com refused 解决办法来源于:code.google.com Windows: 用notepad打开C:\WINDOW
电流继电器DL-13 柜内安装带板前接线附件 JOSEF约瑟
DL-10系列电流继电器板前接线为电磁式瞬动过电流继电器，它广泛用于电力系统二次回路继电保护装置线路中，作为过电流启动元件。 系列型号 DL-11电流继电器; DL-12电流继电器; DL-13电流继电器； 一、应用范围 DL-13/2电流继电器 板前接线为电磁式瞬动过电流继电器，它广泛用于电力系统二次回路继电保护装置线路中，作为过电流启动元件。 二、主要技术参数据 动作时