📅  最后修改于: 2020-12-10 05:08:23        🧑  作者: Mango

在这里，我们将研究有关衡量回归模型性能的信息。验证回归模型的基础我们知道，回归模型与分类模型不同，从某种意义上说，个人样本没有对与错的二进制度量。在回归模型中，我们要测量预测值与实际值的接近程度。预测值越接近预期输出，模型的性能越好。在这里，我们将使用不同的错误率函数来衡量用于回归的NN的性能。计算误差容限如前所述，在验证回归模型时，我们不能说预测是对还是错。我们希望我们的预测尽可能接近实际价值。...

📅  最后修改于: 2020-12-10 05:09:27        🧑  作者: Mango

在本章中，将说明如何测量内存不足数据集的性能。在前面的部分中，我们讨论了各种方法来验证NN的性能，但是我们所讨论的方法是处理适合内存的数据集的方法。在这里，出现了关于内存不足数据集的问题，因为在生产场景中，我们需要大量数据来训练NN。在本节中，我们将讨论在使用微型批处理源和手动微型批处理循环时如何测量性能。小批量货源当使用内存不足的数据集(即小批量来源)时，与用于小型数据集(即内存中的数据集)时使...

📅  最后修改于: 2020-12-10 05:09:52        🧑  作者: Mango

在本章中，我们将了解如何在CNTK中监视模型。介绍在前面的部分中，我们对NN模型进行了一些验证。但是，在培训过程中也有必要并且有可能监视我们的模型吗?是的，我们已经使用ProgressWriter类来监视我们的模型，并且还有许多其他方法可以执行此操作。在深入探讨方法之前，首先让我们看一下CNTK中的监视如何工作以及如何使用它来检测NN模型中的问题。CNTK中的回调实际上，在培训和验证期间，CNTK...

📅  最后修改于: 2020-12-10 05:10:50        🧑  作者: Mango

在本章中，让我们研究如何在CNTK中构建卷积神经网络(CNN)。介绍卷积神经网络(CNN)也由具有可学习的权重和偏差的神经元组成。因此，它们就像普通的神经网络(NN)。如果我们回想起普通NN的工作原理，每个神经元都会收到一个或多个输入，并进行加权和，然后通过激活函数传递出最终输出。在这里，出现的问题是，如果CNN和普通NN具有如此之多的相似性，那么这两个网络又有什么不同呢?是什么使它们与众不同的是...

📅  最后修改于: 2020-12-10 05:11:45        🧑  作者: Mango

现在，让我们了解如何在CNTK中构建递归神经网络(RNN)。介绍我们学习了如何使用神经网络对图像进行分类，这是深度学习中的标志性工作之一。但是，神经网络擅长和研究大量的另一个领域是递归神经网络(RNN)。在这里，我们将了解什么是RNN，以及在需要处理时间序列数据的场景中如何使用RNN。什么是递归神经网络?递归神经网络(RNN)可以定义为能够随时间进行推理的特殊类型的NN。 RNN主要用于需要处理随...

📅  最后修改于: 2020-12-10 05:11:59        🧑  作者: Mango

以下资源包含有关Microsoft Cognitive Toolkit的其他信息。请使用它们来获得有关此方面的更深入的知识。Microsoft Cognitive Toolkit上的有用链接Microsoft认知工具包@ Wikipedia-Microsoft认知工具包，其历史以及其他各种术语已用简单的语言进行了解释。要在此页面上注册您的网站，请发送电子邮件至...

📅  最后修改于: 2020-12-10 05:12:12        🧑  作者: Mango

Microsoft认知工具包(CNTK)，以前称为计算网络工具包，是一种免费，易于使用的开源商业级工具包，使我们能够训练深度学习算法来像人脑一样学习。它使我们能够创建一些流行的深度学习系统，例如前馈神经网络时间序列预测系统和卷积神经网络(CNN)图像分类器。...