import tensorflow as tfa = tf.constant([1.0, 2.0], name="a") b = tf.constant([2.0, 3.0], name="b") result = a + b print(result) import tensorflow as tfg1 = tf.Graph() with g1.as_default():v = tf.get_variable("v", [1], initializer = tf.zeros_initializer()) # 设置初始值为0 g2 = tf.Graph() with g2.as_default():v = tf.get_variable("v", [1], initializer = tf.ones_initializer()) # 设置初始值为...
主要针对RNN与LSTM的结构及其原理进行详细的介绍，了解什么是RNN，RNN的1对N、N对1的结构，什么是LSTM，以及LSTM中的三门（input、ouput、forget），后续将利用深度学习框架Kreas，结合案例对LSTM进行进一步的介绍。一、RNN的原理RNN（Recurrent Neural Networks），即全称循环神经网络，它是一种对序列型的数据进行建模的深度模型。如图1.1所示。 图1.11、其中 为序列数据。即神经网络的输入，例如nlp中，X1可以看作第一个单词、...
0. 原文Deep Learning Algorithms with Applications to Video Analytics for A Smart City: A Survey1. 目标检测目标检测的目标是在图像中精确定位目标的位置。已经提出了许多使用深度学习算法的工作。我们回顾如下一些有代表性的工作：Szegedy[28]修改了深度卷积网络，用回归层代替最后一层，目的是针对目标的box产生一个binary mask，如图3所示。另外，还提出多尺度策略，来提高检测精度。他们做的结果，在VOC2007上对20个类别达...
话题 3: 基于深度学习的二进制恶意样本检测分享主题：全球正在经历一场由科技驱动的数字化转型，传统技术已经不能适应病毒数量飞速增长的发展态势。而基于沙箱的检测方案无法满足 APT 攻击的检测需求，也受到多种反沙箱技术的干扰。在充分考察过各种技术方案的优劣后，瀚思科技开发出了基于深度学习的二进制病毒样本检测技术，可以做到沙箱同等水平的 99% 的检测准确率，而误报率低于 1/1000。基于深度学习的病毒检测技术无需沙箱环...
学习教材是邓力和俞栋写的“深度学习方法及应用”，是一本综述性的书。1、深度学习全称应该是深度结构学习，采用多层的、非线性信息处理方法，大概就是结构比较深的神经网络算法，也是包括输入层、隐层（多层）、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层可以看作是一个逻辑回归模型；这种分层结构，是比较接近人类大脑的结构的。深度学习算法的实现依赖于三个因素：①算法本身的...
1.主要应用 2.各种应用(1)卷积神经网络CNN,主要应用于图像方面 典型案例：原文：https://www.cnblogs.com/luckyplj/p/12586244.html
1.深层学习为何要“Deep” 1.1 神经网络：从数学和物理两视角解释，见：https://zhuanlan.zhihu.com/p/22888385 1.2 网络加深的原因，见：https://zhuanlan.zhihu.com/p/24245040 1.3 《超智能体》作者讲述深层神经网络设计理念，见：https://v.douyu.com/show/j4xq3WDO3pRMLGNz，PPT下载 2.CNN(卷积神经网络)是什么？ 2.1 关于卷积神经网络的讲解，恐怕只有斯坦福的CS231n教程。http://cs231n.github.io/convoluti...
from keras.layers import LSTM model = Sequential() model.add(embedding_layer) model.add(LSTM(32)) #当结果是输出多个分类的概率时，用softmax激活函数,它将为30个分类提供不同的可能性概率值 model.add(layers.Dense(len(int_category), activation=softmax))#对于输出多个分类结果，最好的损失函数是categorical_crossentropy model.compile(optimizer=rmsprop, loss=categorical_crossentropy, metrics=[accuracy]) histor...
本篇总的指导思想是在掌握深度学习的基本知识和特性的基础上，培养使用TensorFlow进行实际编程以解决图像处理相关问题的能力。全篇力求深入浅出，通过通俗易懂的语言和详细的程序分析，介绍TensorFlow的基本用法、高级模型设计和对应的程序编写。本篇强调理论联系实际，重点介绍TensorFlow编程解决图像识别的应用，提供了大量数据集，并以代码的形式实现了深度学习模型，以供读者参考。 本篇可作为学习人工神经网络、深度学习Tenso...
转自(https://www.joinquant.com/view/community/detail/1b733f9f81b32d650d89b0ed26c17313?type=1) 首先转发几条深度学习的链接： 基于Keras深度学习LSTM模型 预测黄金主力收盘价TensorFlow 学习之循环神经网络（RNN) 前言 这篇文章基于深度学习模型基础，在聚宽上通过用JQData来实现金融数据的分析。 本文主要针对股票数据， 不过理论上可以用在其他方面。至于缠论部分， 仁者见仁， 智者见智。 背景 量化交易在当年股灾后背了黑...
导读：美图秀秀社交化的推进过程中，沉淀了海量的优质内容和丰富的用户行为。推荐算法连接内容消费者和生产者，在促进平台的繁荣方面有着非常大的价值 。本次分享探讨美图在内容社区推荐场景下应用深度学习技术提升点击率、关注转化率和人均时长等多目标的实践经验。1. 美图社区个性化推荐场景概况与挑战2. embedding 技术在召回阶段的应用实践基于 Item2vec 的 item embeddingYouTubeNet 和双塔 DNN 在个性化深度召回模型应用实践...
分享嘉宾：江頔 智加科技 技术专家文章整理：Hoh Xil内容来源：DataFunTalk出品平台：智加科技、DataFun温馨提示：疫情期间，勤洗手，戴口罩。导读：深度学习技术经过近几年井喷式的发展，在很多领域都得到了广泛的应用。在自动驾驶系统中，深度学习技术也起到了至关重要的作用，同时也面临着非常多的挑战。我们一直在探索，在一个安全、稳定的自动驾驶产品中，深度学习技术应该有着怎样的作用边界，又如何能最好地发挥其优势。本次...
如果之前没有接触过OCR，光看名字上又光学又识别的，容易产生“听起好像很高端很复杂”的距离感，但实际上，计算机科学的每一项技术都是为了机器具备多一项技能，而OCR要机器具备的，是一项对于我们人来说属于最最基本的技能——“看图识字”。我们可能对这个能力习以为常了，以至于不会觉得这算是一项能力，但仔细想一想就知道，看图识字虽然最最基本，不过同样也最最基础，很多工作都需要首先具备看图识字这项技能才能开展。同样...
【深度学习】⑤--自然语言处理的相关应用 王小草 浪尖聊大数据 恩恩，关注我好了 1. 自然语言处理（NLP）的常见任务 先来看看在工业界对于自然语言处理的一些常见需求与任务。 自动摘要 这个在搜索引擎中非常常用。指计算机能自动去阅读一篇文章然后去提取这篇文章的摘要。 指代消解 比如“小明放学了，妈妈去接他”这句话中的“他”指代为“小明”。这个计算机本身并不知道，而我们希望计算机能自己去识别这些指代的对象。 机器...
深度学习在电商商品推荐当中的应用沙韬伟 大数据科学 摘要：电商行业中，对于用户的商品推荐一直是一个非常热门而且重要的话题，有很多比较成熟的方法，但是也各有利弊。 1.常见算法套路电商行业中，对于用户的商品推荐一直是一个非常热门而且重要的话题，有很多比较成熟的方法，但是也各有利弊，大致如下：基于商品相似度：比如食物A和食物B，对于它们价格、味道、保质期、品牌等维度，可以计算它们的相似程度，可以想象，我买了...