循环神经网络（RNN）简易教程

我们从以下问题开始循环神经网络能解决人工神经网络和卷积神经网络存在的问题。在哪里可以使用RNN？ RNN是什么以及它是如何工作的？挑战RNN的消梯度失和梯度爆炸 LSTM和GRU如何解决这些挑战假设我们正在写一条信息“Let’s meet for___”，我们需要预测下一个单词是什么。下一个词可以是午餐、晚餐、早餐或咖啡。我们更容易根据上下文作出推论。假设我们知道我们是在下午开会，并且这些信息一直存在于我们的记忆中，那么我们就可以很容易地预测我们可能会在午餐时见面。当我们需要处理需要在多个时间步上的序列数据时，我们使用循环神经网络（RNN）

2023-02-27
阅读251

一文搞懂RNN（循环神经网络）基础篇

他们都只能单独的取处理一个个的输入，前一个输入和后一个输入是完全没有关系的。但是，某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。比如，当我们在理解一句话意思时，孤立的理解这句话的每个词是不够的，我们需要处理这些词连接起来的整个序列；当我们处理视频的时候，我们也不能只单独的去分析每一帧，而要分析这些帧连接起来的整个序列。以nlp的一个最简单词性标注任务来说，将我吃苹果三个单词标注词性为我/nn 吃/v 苹果/nn。

2023-02-27
阅读249

一文详解什么是RNN（循环神经网络）

循环神经网络的应用场景比较多，比如暂时能写论文，写程序，写诗，但是，（总是会有但是的），但是他们现在还不能正常使用，学习出来的东西没有逻辑，所以要想真正让它更有用，路还很远。

2023-02-27
阅读248

深度学习基础之----BN、LN、IN、GN、SN

？目录深度学习中的归一化问题 BN(Batch Normalizatioon) BN为了解决什么问题？ BN的主要思想 BN伪代码 BN的使用位置 BN的优势 BN存在的问题 LN(Layer Normalization) LN为了解决什么问题？ LN的主要思想 LN的优势 IN(Instance Normalization) 为什么提出IN？ IN的做法 GN(Group Normalization) 为什么提出GN？ GN的主要思想 SN（Switchable Normalization）github 全网最详细、最全面、最易懂的normalization解读

2023-02-27
阅读274

机器学习4个常用超参数调试方法

ML工作流中最困难的部分之一是为模型找到最好的超参数。ML模型的性能与超参数直接相关。

2023-02-26
阅读276

一张图看懂半导体产业链、供应链、资本链、创新链

2023-02-26
阅读250

通俗讲解深度学习和神经网络

本篇文章主要面向产品、业务、运营人员等任何非技术人员通俗易懂地讲解什么是深度学习和神经网络，二者的联系和区别是什么。无需技术背景也可以有一个比较全面清晰的认识。同时也为为大家讲解TensorFlow、Caffe、Pytorch等深度学习框架和目前工业界深度学习应用比较广的领域。

2023-02-26
阅读257

一文精简介绍CNN神经网络

这是love1005lin在CSDN上2021-11-19发布的一篇深度学习的卷积神经网，内容整理的精简，移动，现在将其进行转载，供大家参考。

2023-02-26
阅读255

上一页 1 …… 337 338 339 340 341 342 343 344 345 346 347 …… 2879 下一页共 23026 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

2026“人工智能+”行业发展蓝皮书

2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

阅读410
下载5

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读645
下载6

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。

阅读580
下载4

OpenClaw替我干科研

OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。

阅读527
下载0

最新上线

DPU发展分析报告（2026年）

当前，全球数字经济加速发展，以大模型、智能体为代表的新一代人工智能技术加速落地，智算需求爆发式增长。作为智算设施的重要组成，数据处理器(Data Processing Unit，DPU)凭借软硬协同的专用加速能力，实现网络、存储、安全等任务的高效卸载，破解传统计算架构的性能瓶颈，助力算力资源的高效调度，降低系统总拥有成本，为模型训练、应用推理、边缘计算等场景提供支撑，被业界认为继CPU、GPU之后“第三颗主力芯片”

阅读3
下载0

北京朝阳法院涉金融机构适当性义务纠纷案件审判白皮书

金融是现代经济的核心、实体经济的血脉。金融机构的适当性义务，作为金融投资者保护的核心制度，是指金融机构在推介、销售金融产品或提供金融服务时，应当履行的了解客户、了解产品、适当匹配的义务。适当性义务的实质履行，既是消除金融交易双方信息差异，规范金融产品销售行为的关键，也是防范金融风险，守护市场公平，实现“卖者尽责、买者自负”理念的核心保障，关系区域营商环境的持续优化与金融市场行稳致远。

阅读3
下载0

产业政策与法规研究

在全球产业链加速重构、新一轮科技革命深入发展、国际科技竞争日趋激烈的背景下，产业政策协同已成为主要经济体提升区域竞争力的关键抓手。美国、欧盟、日本等发达经济体纷纷通过制度创新和机制重构，强化政策间的协调配合，力求形成政策合力，以整体姿态参与国际竞争。深入研究和借鉴这些国家和地区的经验做法，对于完善我国产业政策协同机制、提升国家治理效能具有重要的现实意义。