zidea

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第22天，点击查看活动详情 前言 Transformer 架构是由 Vaswani 等人提出的，是一种新颖的基于自注意序机制的序列到

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第21天，点击查看活动详情 Carla 觉得还是适合个人去研究无人驾驶，今天介绍的 Scenario 可以帮助 内容简介 首先介绍什

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第20天，点击查看活动详情 批量归一化的加入，让网络效果更好，收敛更快。但批量归一化并不是适合所有类型的网络，例如 RNN，这是我们

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第19天，点击查看活动详情 前言 随着互联网产生了海量的数据，和算力逐年不断的提升，今天深度学习变得越来越强大。无论你是在网上购物、

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第18天，点击查看活动详情 非极大值抑制(Non Max Suppression) 在预测过程中，会产生许多预测边界框，首先会按置信

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第17天，点击查看活动详情 前言 之前看了一些关于 transformer 的分享文章，还只是停留在理论上。今天我们就来尝试学习到理

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第16天，点击查看活动详情 我们 loss 函数曲面是崎岖不平，有相对平缓的区域，也有陡峭的区域，那么如果在整个梯度下降过程中如果都

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第15天，点击查看活动详情 基本概念 梯度下降 梯度下降(Gradient descent）是一个一阶最优化算法，通常也称为梯度下降

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第14天，点击查看活动详情 今天我们主要来从新审视一下神经网络的参数优化和初始化。随着神经网络层数不断增加，我们就会遇到各种各样因为