深度学习
召走八牛
这个作者很懒,什么都没留下…
展开
-
基于tensorflow的MNIST手写数字识别
基于tensorflow的MNIST手写数字识别(二)--入门篇一、卷积神经网络模型知识要点卷积卷积1、卷积2、池化3、全连接4、梯度下降法5、softmax本次就是用最简单的方法给大家讲解这些概念,因为具体的各种论文网上都有,连推导都有,所以本文主要就是给大家做个铺垫,如有错误请指正,相互学习共同进步。二、卷积神经网络讲解转载 2016-09-07 09:12:48 · 452 阅读 · 0 评论 -
mnist实例编译之model的使用-classification
仿照cifar10的模型使用,本文对mnist的训练方式做了部分修改【注】本文caffe安装路径为E:\CaffeDev-GPU\caffe-master。请自行参考并修改相关路径(debug以及release参考你编译caffe时候采用的模式)第一步按照前面的model生成方法的前两步骤制作数据集,得到两个文件夹。并拷贝到E:\CaffeDev-GPU\caffe-mas转载 2016-10-24 11:03:59 · 2729 阅读 · 1 评论 -
mnist实例编译之model的使用-matlab
前言针对上一个caffe文章留下的matlab手写数字识别的问题,感谢caffe中文社区的 @ghgzh 的提示,原文请看:caffe中文社区第一步手写图片的制作方法我就不说了,直接把我自己画的几个数字放到云盘先:三通道图像以及转换所需代码:链接:http://pan.baidu.com/s/1gfqeCAR 密码:88kk转换后的灰度图像:链接:http:转载 2016-10-24 11:01:29 · 1237 阅读 · 0 评论 -
微软官方caffe之 matlab接口配置
前言按照微软的官方地址配置可能会出现一个问题caffe_.mexw64找不到引用模块问题,或者在matlab里面压根找不到caffe_这个函数,下面会提到这两个问题。还是按照步骤来吧【PS1】有GPU同样按照下述步骤,进行即可【PS2】文章在matlab2013a、matlab2014a、matlab2015b中配置成功,但是在高版本或者更低版本情况下可能会出现问题转载 2016-10-24 11:44:57 · 1277 阅读 · 6 评论 -
BP算法
BP算法是关于误差的反向传播算法,就是从输出层开始,将结果与预期结果相比较,求出误差,然后按照梯度最大下降方向,调整神经元的联接权值,然后依次逐层调整各层之间的连接权值,对于批量学习方式而言,不断重复上述过程,直到误差达到足够小时为止。对于输出层而言,我们可以直接使用在上一篇博文中关于感知器模型的算法,BP算法的难点在于,如何处理隐藏层,因为隐藏层没有正确的输出信息用来计算误差。下面我们将转载 2016-10-18 11:56:19 · 1408 阅读 · 0 评论 -
前向神经网络算法原理
总体上来讲,神经网络的算法是比较复杂的,后面有非常精妙的数学原理,而且对这些数学方法,还需要证明其具有收敛性,所以很多神经网络的书籍,绝大部分都是一些数学模型介绍、推导和证明,对于非数学专业的我们来说,感沉像看天书一样。其实神经网络的精髓是将现实中的问题进行抽象,建立适合神经网络表示的模型,然后应用神经网络进行处理,不断调整优化网络结构和参数,直到最终达到满意的效果。所以成功应用神经网络,不需要太转载 2016-10-18 12:00:18 · 7311 阅读 · 1 评论 -
caffe+VS2013+Windows无GPU快速配置教程
前言首先来一波地址:happynear大神的第三方caffe:http://blog.csdn.net/happynear/article/details/45372231Neil Z大神的第三方caffe:https://initialneil.wordpress.com/2015/01/11/build-caffe-in-windows-with-visual-stud转载 2016-10-18 12:02:18 · 360 阅读 · 0 评论 -
深度学习基础性资料学习
http://www.cnblogs.com/tornadomeet/tag/Deep%20Learning/转载 2016-10-18 19:49:21 · 274 阅读 · 0 评论