深度理解笔记_对深度理解的理解

深度思考是指在面对问题、现象或信息时，不停留于表面的观察和浅显的理解，而是运用逻辑推理、分析综合、抽象概括等思维方法，深入挖掘其背后的原因、机制、规律和潜在影响，以形成全面、深刻、独到的见解。它需要人们主动调动大脑的思维能力，对信息进行加工和整合，从而获得更有价值的认知。

基础简介 人们在谈论AI时，常常会混淆人工智能、机器学习和深度学习的关系。 其实，它们之间的关系很简单，一张图就说明了： 人工智能是非常宽泛的，一般来说将通常由人类完成的智力任务自动化，就可以称为人工智能。 因此，人工智能是一个综合性的领域，不仅包括机器学习和深度学习，还包括许多不需要学习的方法，如： 一个自动化完成特定的任务的脚本程序，如定时任务 早期的国际象棋程序，由精心编写的硬编码规则完成，不涉及机器学习 只要足够用心，硬编码理论上可以解决许多明确定义的逻辑问题。但是它难以处理更复杂、模糊的问

原文链接 作者 | 蒋宝尚 在《从深度学习到深度理解》的演讲报告中，沈向洋对过去十年，人工智能发生的变化做了总结。他提到，当前我们在大数据利用，计算架构方面的创新有着很大的进步，但是通用人工智能的进展一直缓慢。 他还表示，我们必须认真思考智能的真正含义是什么，深度学习只是狭义的人工智能，必须构建 robust AI 才能实现真正的强人工智能。 谈到深度学习，DNN是绕不开的话题，它的强大之处已经在语音、视觉、自然语言处理等领域得到了验证。 而真正把深度神经网络用于语音识别的重要文章是2012年的《Deep

编程学习的两大瓶颈 知识学完就忘:明明学的时候记得，过一会就想不起来了 缺乏解题能力:知识明明学会了，但做题的时候却不会了 瓶颈1：知识学完就忘

是什么？ 用法查询笔记是用于帮助查询者快速回忆相关知识点的笔记，直接上自己写的例子代码，在代码重要的地方将注释写清楚，并将运行结果写在代码的末尾，相关注意事项写在运行结果的后面 为什么？ 视频不是看完就行了，对着视频写的笔记或者看别人的笔记是对自己知识的巩固有一定的用处，但是要当自己真的要使用的时候就会觉得力不从心，用法查询笔记就给了自己重新梳理一遍的机会，也给了自己二次学习乃至n次学习的快捷通道 怎么做？ 可以适用于一切关于知识的学习 ...

探索 StanfordVL 的 CS131 笔记：深度学习视觉理解的宝贵资源 去发现同类优质开源项目:https://gitcode.com/ 在深入研究计算机视觉和深度学习的世界时，有一份详尽的参考资料是至关重要的。这就是我们今天要向您推荐的 —— 一个来自斯坦福大学计算机科学课程的知识宝库。 项目简介 CS131 是斯坦福大学的一门课程，专注于计算机视觉的基础，包括图像处理、特征检测、机器学...

顾险峰老师2023年计算共形几何暑期课程学习笔记2。

吴恩达深度学习教程笔记（一）反向传播的公式理解最近在bilibili上自学吴恩达深度学习教程，发现弹幕上不少小伙伴对吴恩达老师的反向传播公式不是很理解，所以打算通过知乎分享一下我自己的看法。1.为什么看不懂视频中的公式？我认为就是吴恩达老师对导数和微分符号的混用导致的 在视频中我们约定 举个例子 这样我们就能解释视频中的所有公式了2.第二周logistic regression derivati...

1.   为什么要用？？   2.   怎么用？？   3.   什么时候用？？   4.   有什么常用用法？？   5.   这个知识点和其它常用用法有什么不同？？   图片来自风变科技python小课 ...

TakeNote是一款面向开发者的免费开源Web笔记应用，它提供了Markdown预览、语法高亮、键盘快捷键等丰富功能，帮助用户高效管理和编辑笔记。本文将为你详细介绍如何在TakeNote中实现数据可视化，通过图表和统计功能深度理解笔记使用情况，让你的笔记管理更加高效。 ## 为什么TakeNote数据可视化很重要 📊 在日常使用TakeNote的过程中，我们会创建大量的笔记，这些笔记包含了

深度学习问题

知识学完就忘？ 解决问题的能力，程序员立业之本。 我们学编程是为了获得一门实用技能。因此，所有的编程知识并不是要靠死记硬背来【记住】，而是自己真正吸收，学会【怎么用】。 为此我在结合自己编程的经历和参考一些书籍和一些朋友的想法，用两篇文章来解决知识记不住和编程语言不会编的问题。

w_0 = torch.normal(0, 0.01, true_w.shape, requires_grad=True) #这个w需要计算梯度，requires_grad=True：标记该参数需要计算梯度，后续可通过反向传播更新。pred_y = fun(batch_x,w_0, b_0) # 计算预测值，即前向传播，用当前参数 w_0 和 b_0 计算预测值。X, Y = create_data(true_w, true_b, num) #X为500*4的矩阵，Y为500*1的一维向量。

深度强化学习笔记之PPO算法理解（1） 笔记内容来源于李宏毅老师的深度强化学习的PPT。 关于PPO（Proximal Policy Optimization），李老师分为了三个部分进行了介绍。 Policy Gradient：该方法是PPO的前身，与基于价值的强化学习方法不同，策略梯度法是对策略进行更新； On-policy | Off-policy Add constraint：对Policy Gradient进行一些限制，前者就变成了PPO。 1.Policy Gradient 与基于价值的强化

作者：王博Kings、Sophia本文内容概述王博Kings最近的语义分割学习笔记总结AI博士笔记系列推荐周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接引言：最近自动驾驶...

关于mmdet源码 mmdetection 的网络配置中, type参数都是实例化的类名, 后面的都是对于的类初始化参数 参考: MMCV 核心组件分析(五): Registry 详解 MMDetection 使用技巧和源码实现。 关于卷积 1x1 的layer用来减少或增加输入的特征的channel, 比如resnet 中残差结构中的第一层需要减少channel, 第三层增加channel, 有几个卷积核输出就有几个channel 3*3卷积 主要作用是减少网络参数, 增大有效感受野, 增加了局部上下

LSTM (Long short-term memory，长短期记忆) 是一种特殊的RNN，主要是为了解决长序列训练过程中梯度消失与梯度爆炸的问题，因此要学习LSTM，必须先了解RNN是一个什么东东。

本笔记大部分内容来自张俊林博客学习整理,文末附参考链接。 文章目录@[toc]1. 引言2. "Internal Covariate Shift" 问题3. BatchNorm的本质思想4. 训练阶段如何做BatchNorm5. BatchNorm的推理过程6. BatchNorm优点 1. 引言 机器学习领域有个很重要的假设：IID（independently and identically...