- 博客(17)
- 资源 (3)
- 收藏
- 关注
RSS订阅转载 人人都能用Python写出LSTM-RNN的代码！
人人都能用Python写出LSTM-RNN的代码！[你的神经网络学习最佳起步]标签： python神经网络RNNLSTM2015-11-21 22:22 1312人阅读 评论(5)收藏 举报分类： machine learning（2） python（4） 目录(?)[+]0. 前言本文翻译自博客：
2015-12-24 11:42:32
1871
转载 Stochastic Optimization Techniques随机优化相关笔记
skip to contenthttp://colinraffel.com/wiki/User ToolsLog InSite ToolsRecent ChangesMedia ManagerSitemapstochastic_optimization_techniquesTable of Conten
2015-12-24 09:53:57
7116
原创 科技论文中图片的处理方法
科技论文中图片的处理方法**************************************************************************** 有位论文审稿人在自己的博文中写道：“我审稿时看稿件的顺序是题目、摘要、图表、前言、参考文献和正文”。可见论文中图片的质量是非常重要的，处理一张图可能会花费大量的时间，正如焦老师所说的，那位德国小伙子处理一张图
2015-12-22 09:44:02
2022
转载 干货 | ICCV 2015 揭开152层神经网络的面纱
干货 | ICCV 2015 揭开152层神经网络的面纱 原创2015-12-18 小S 程序媛的日常 程序媛的日常程序媛的日常微信号 girlswhocode 功能介绍 Hello world! 做第一个专注于程序媛的公众号！两位小小程序媛带你领略程序媛的日常，有专业知识也有生存技能。//其实我们的生活也可以过得很精彩！
2015-12-21 22:44:12
3711
转载 Must Know Tips/Tricks in Deep Neural Networks (by Xiu-Shen Wei)
Must Know Tips/Tricks in Deep Neural Networks (by Xiu-Shen Wei)转载于http://lamda.nju.edu.cn/weixs/project/CNNTricks/CNNTricks.html Deep Neural Networks, especially Convolutional Neura
2015-12-21 22:39:50
1569
原创 151221
import osimport os.pathdef GenConvlutionLayer(train_prototxt_file,layer_name,bottom,top,num_output,kernel_size,pad=0): train_prototxt_file.write("layer {" + "\n") train_prototxt_file.write(
2015-12-21 21:50:26
558
原创 Rethinking the Inception Architecture for Computer Vision 笔记
面向计算机视觉的改进Inception CNN框架(3.46% top-5 error on ImageNet)】摘要： 目的：Here we are exploring ways to scale up networks in ways that aim at utilizing the added computation as efficiently as possible b
2015-12-21 13:13:09
5222
原创 Going deeper with convolutions笔记
Going deeper with convolutions笔记ContentsAbstractIntroductionRelated WorkMotivation and High Level ConsiderationsArchitectural DetailsGoogLeNetTraining MethodologyILSVRC 2014 Classification Cha
2015-12-21 10:41:18
4361
2
原创 caffe c++ 接口
Caffe使用教程初始化网络#include "caffe/caffe.hpp"#include #include using namespace caffe;char *proto = "H:\\Models\\Caffe\\deploy.prototxt"; /* 加载CaffeNet的配置 */Phase phase = TEST; /* or TRAIN */Caff
2015-12-15 15:08:26
4126
1
原创 python 遍历文件夹子文件夹，批量生成txt
import osimport os.pathdef createList(root_dir, class_list, info_name): info = open(info_name, "w") for class_name, label in class_list: class_path = root_dir + "/" + class_name
2015-12-15 11:33:08
1789
原创 linux多核处理下提高编译速度 make -j
Linux开源程序编译往往会需要较长时间，多核处理器的应用可以大大缩短编译所需要的时间。 默认情况下，make并没有将多核处理器的性能发挥到极限。相反，它只使用了其中一个核心。 make的-j参数可以使make进行并行编译。make该参数的帮助如下：[xhtml] view plaincopy-j [N], --jobs[=N] All
2015-12-15 09:32:58
19357
1
原创 分类器之Adaboost学习
1、 原理介绍（1）基本介绍 Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这 些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类
2015-12-14 13:11:42
11850
原创 图像归一化，减均值预处理
// normlizer.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include #include #include #include using namespace std;using namespace cv;// Example 3 - 9. Summing all of the elements
2015-12-09 22:51:16
10545
翻译 理解长短期记忆网络（LSTM NetWorks）
英文原文：http://colah.github.io/posts/2015-08-Understanding-LSTMs/理解长短期记忆网络（LSTM NetWorks） 递归神经网络 人类并不是每时每刻都从头开始思考。正如你阅读这篇文章的时候，你是在理解前面词语的基础上来理解每个词。你不会丢弃所有已知的信息而从头开始思考。你的思想具有持续性。 传统的神经网络不能做
2015-12-03 22:18:04
1401
原创 神经网络为什么要有激活函数，为什么relu 能够防止梯度消失
第一个问题：为什么引入非线性激励函数？如果不用激励函数（其实相当于激励函数是f(x) = x），在这种情况下你每一层输出都是上层输入的线性函数，很容易验证，无论你神经网络有多少层，输出都是输入的线性组合，与只有一个隐藏层效果相当，这种情况就是多层感知机（MLP）了。正因为上面的原因，我们决定引入非线性函数作为激励函数，这样深层神经网络就有意义了（不再是输入的线性组合，可以逼近任意函数）。最
2015-12-02 10:19:52
34982
4
原创 从最初rnn 到lstm 演变， lstm各个控制门的实现过程
自剪枝神经网络Simple RNN从理论上来看，具有全局记忆能力，因为T时刻，递归隐层一定记录着时序为1的状态但由于Gradient Vanish问题，T时刻向前反向传播的Gradient在T-10时刻可能就衰减为0。从Long-Term退化至Short-Term。尽管ReLU能够在前馈网络中有效缓解Gradient Vanish，但RNN的深度过深，替换激活函数治
2015-12-02 10:09:56
9699
原创 Windows7安装Theano
Windows7安装Theano深度学习开发工具theano在Anacodna下的安装（windows版）第一步：安装Anacodna。在网站http://continuum.io/downloads 中下载对应的版本，安装Anacodna的路径最好为默认路径（一般是c盘）。第二步：安装theano.1:到 https://github.com/Theano/Theano 网址
2015-12-02 09:39:36
899
Soft-Boundary Label Relaxation with class placement constraints
2021-12-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人