weixin_41527196的博客

转载 计算机视觉（深度学习）校招记录（六）dropout的解释及实现

https://blog.csdn.net/zhongshaoyy/article/details/53176825     dropout解释以及实现

原创 网易视觉编程（找个简单的练练手-.-）

原创 计算机视觉（深度学习）校招记录（五）deconv的作用

在deep learning上，主要用于以下三个方面。1.  unsupervised learning： 重构图像2.  CNN可视化：将conv中得到的feature map还原到像素空间，来观察特定的feature map对哪些pattern的图片敏感3.  Upsampling：上采样。https://blog.csdn.net/a_a_ron/article/details/...

原创 计算机视觉（深度学习）校招记录（四）CNN中特殊层的反向传播

https://blog.csdn.net/qq_21190081/article/details/72871704  Relu以及pooling层的梯度计算。 https://blog.csdn.net/login_sonata/article/details/77488383  卷积层的反向传播（将卷积核旋转180度来反向传播）卷积层的前向传播过程就是反卷积层的反向传播过程，卷积层的反...

原创 计算机视觉（深度学习）校招记录（三）backward推导(simple)

原创 计算机视觉（深度学习）校招记录（二） Batch Normalization

直接看这里讲的很详细：https://www.cnblogs.com/guoyaohua/p/8724433.html

原创 计算机视觉（深度学习）校招记录（一）CNN的特点以及优势

1. 局部感知 ： 通过在底层的局部扫描获得图像的局部特征，然后在高层综合这些特征获取图像的全局信息。作用：降低参数的数目。2.  权值共享  ： CNN中每个卷积核里面的参数即权值，原始图片卷积后会得到一副新的图片，而新图中的每个像素都来自同一个卷积核，这就是权值共享。作用：进一步降低参数数目。3.  多卷积核   ： 一个卷积核只能学习到图像的某一种特征，而设置多个卷积核时，则可以学到...

原创 ububtu16.04+tensorflow-gpu==1.2框架搭建

# Nvidia显卡安装## 禁用集成式驱动nouveau* 新建nouveau黑名单文件> sudo gedit /etc/modprobe.d/blacklist-nouveau.conf* 在文件中写入> blacklist nouveau> options nouveau modeset=0* 更新blacklist> upd