- 博客(26)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 充分解析：从自编码到栈式自编码
从自编码到栈式自编码原文地址：http://blog.csdn.NET/hjimce/article/details/49106869作者：hjimce一、什么是自编码 简单的自编码是一种三层神经网络模型，包含了数据输入层、隐藏层、输出重构层，同时它是一种无监督学习模型。在有监督的神经网络中，我们的每个训练样本是（X，y），然后y一般是我们人工标注的数据。比
2016-10-26 14:22:58
2226
转载 matlab 图片批量读取
1。 指定路径下 单个文件夹data中所有图像 file_path = '.\data\';% 图像文件夹路径 img_path_list = dir(strcat(file_path,'*.jpg'));%获取该文件夹中所有jpg格式的图像 img_num = length(img_path_list);%获取图像总数量 if img_num >
2016-10-19 14:02:17
649
转载 生成模型与判别模型
生成模型与判别模型zouxy09@qq.comhttp://blog.csdn.net/zouxy09 一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错再错。在此谢过。 一、决策函数Y=f(X)或者条件概率分布P(Y|X) 监督学习的任务就是从数
2016-10-19 09:20:22
361
转载 相对熵（互熵，交叉熵，鉴别信息，Kullback熵，Kullback-Leible散度即KL散度）的深入理解
今天开始来讲相对熵，我们知道信息熵反应了一个系统的有序化程度，一个系统越是有序，那么它的信息熵就越低，反之就越高。下面是熵的定义 如果一个随机变量的可能取值为，对应的概率为，则随机变量的熵定义为 有了信息熵的定义，接下来开始学习相对熵。 Contents 1. 相对熵的认
2016-10-14 16:58:22
6164
1
转载 Denosing Autoencoder训练过程代码详解
普通deep autoencoder训练过程本文主要参考Deeplearn toolbox中代码matlab的Deep Learning toolbox，见：https://github.com/rasmusbergpalm/DeepLearnToolbox一：加载数据 二：pre_training阶段2.1初始化DAE网络框架sae = saesetup([784 1
2016-10-14 15:07:47
2765
转载 自编码算法与稀疏性(KL散度诱导稀疏)
转自ufldl，原文地址：http://deeplearning.stanford.edu/wiki/index.php/%E8%87%AA%E7%BC%96%E7%A0%81%E7%AE%97%E6%B3%95%E4%B8%8E%E7%A8%80%E7%96%8F%E6%80%A7目前为止，我们已经讨论了神经网络在有监督学习中的应用。在有监督学习中，训练样本是有类别标签的。现在假设我们只
2016-10-14 14:28:52
6174
转载 matlab中的 MAX函数
matlab中的 MAX函数的几种形式 (1)max(a) (2)max(a,b) (3)max(a,[],dim) (4)[C,I]=max(a) (5)[C,I]=max(a,[],dim) max函数的结果 (1)max(a) 如果 a 是一个矩阵，比如 a=[1,2,3;4,5,6]，max(a)的意思就是找出矩阵每列的最大值， 本例中：max(a)=[4,
2016-10-13 20:07:01
5321
1
转载 deep learning 中的正则化之drop
目录(?)[+]原文地址：http://blog.csdn.net/u010402786/article/details/46812677一：引言 因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。在训练bp网络时经常遇到的一个问题，过拟合指的是模型在训练数据上损失函数比较小，预测准确率较高（如果通过
2016-10-13 09:41:51
797
1
原创 MATLAB中零散语法知识总结之rand（）、tic toc、图形句柄
1)x = rand(N,1) > 1-p 在matlab中什么意思:rand(N,1)代表的是创造一个N行1列范围在0到1之间的随机数,rand(N,1)>1-p,的意思是判断你创造出来的这个随机数向量中哪些数是大于1-p这个值的.比如rand(3,1)=[0.5;0.1;0.9]>1-0.6,也就是N=3,p=0.6的时候,这时x返回的是bool型的值x=[1,0,1];当然每次r
2016-10-12 21:21:37
1136
原创 matlab‘[]’空矩阵的使用
new = [] 生成一个长度大小不定的空矩阵，可以通过new=[newX]进行元素或向量的添加，其中X就是要添加进这个矩阵的元素或向量。比如>> new = [];>> a = 1;b = 2;>> new = [new a]new = 1>> new = [new b]new = 1 2>>又如>> ne
2016-10-11 11:29:14
43386
2
转载 Matlab---size,length和numel函数
size：获取数组的行数和列数length：数组长度（即行数或列数中的较大值）numel：元素总数。s=size(A),当只有一个输出参数时，返回一个行向量，该行向量的第一个元素时数组的行数，第二个元素是数组的列数。[r,c]=size(A),当有两个输出参数时，size函数将数组的行数返回到第一个输出变量，将数组的列数返回到第二个输出变量。如果在size函数的输入参数中再添加
2016-10-11 09:41:25
433
原创 MATLAB与c/c++之矩阵操作差别
1）MATLAB默认数组（矩阵）访问下标是从1开始的，而c/c++默认是从0开始；2）MATLAB的二位数组（矩阵）的数据存放顺序默认为列优先（从第一列自上向下存放和访问，再第二列。。。。），而c/c++数据存放顺序默认为行优先
2016-10-10 21:23:46
2053
转载 MATLAB中的{}[]和（）的使用
[]中括号用来构建向量(Vectors)或者是矩阵(Matrices)。如[6.9 9.64 sqrt(-1)] 就是一个有三个元素的向量。[11 12 13; 21 22 23] 是一个二乘三的矩阵。分号(;)用来结束一行。中括号的另一个作用是在函数中，分配输出参数。 {}大括号，用于cell型的数组的分配或引用。比如 A(2,1) = {[1 2 3; 4 5 6]}
2016-10-10 21:18:33
2804
转载 matlab中find 函数
find函数用于返回所需要元素的所在位置 (位置的判定：在矩阵中，第一列开始，自上而下，依次为1，2，3...,然后再从第二列，第三列依次往后数)find（A）返回矩阵A中非零元素所在位置>> A = [1 0 4 -3 0 0 0 8 6];>> X = find(A)X = 1 3 4 8 9find（A>5）返回矩阵A中大于5的元素
2016-10-10 20:34:58
452
转载 matlab中结构体使用
转自：http://blog.sina.com.cn/s/blog_7798183d0101qjj6.html要在MALTAB中实现比较复杂的编程，就不能不用struct类型。而且在MATLAB中实现struct比C中更为方便。 结构数组的创建MATLAB提供了两种定义结构的方式：直接应用和使用struct函数。1. 使用直接引用方式定义结构与建立数值型
2016-10-10 16:35:35
1076
原创 测试theano是提示使用CPU而不是gpu问题
测试theano是提示使用CPU而不是gpu问题：cuda 和theano配置完成后，进行theano测试 为了检查你的GPU是否启用了，可以剪切下面的代码然后保存成一个Python文件（我命名为test_gpu1.py），运行看看。[python] view plain copyfrom theano import function,
2016-10-05 21:28:08
7407
3
原创 caffe框架和theano框架的所需cudnn的版本冲突问题
在成功安装完成caffe和theano后（此时使用的cudnn的版本是v3），后跑了个caffe的minist数据集的实验可以成功实现，接着用Python跑theano的实验，提示nvcc 找不到GPU,，应将gpu（cuda）路径添加到环境变量中，但是添加完环境变量还是不行，提示cuDNN版本太低，应更新到V5。经过搜集资料才知道，caffe官方版本对cudnn只支持到V4版本，不支持V5，
2016-10-05 18:56:16
5551
转载 theano入门学习
theano入门学习原文地址：http://blog.csdn.NET/hjimce/article/details/46806923作者:hjimce本篇博文主要是在我刚入门学theano的一个学习历程的回顾，记录了自己深度学习学习征程的第一站。一、初识theano1、theano.tensor常用数据类型学习theano，首先要学的就是t
2016-10-05 11:36:21
11762
6
原创 python中的numpy库的numpy.asarray
一、简述numpy.asarray(a,dtype=None,order=None)功能描述：将输入数据（列表的列表，元组的元组，元组的列表等）转换为矩阵形式a:数组形式的输入数据，包括list,元组的list，元组，元组的元组，元组的list和ndarraysdtype:数据类型由输入数据推导二、实例2.1将列表转化为数组from numpy im
2016-10-05 11:00:32
3160
原创 Python第三方包（pypi包和GitHub上包）安装相关
分为两类pypi上的包和Github的包：一、pypi包的安装：主要分为三种方式： 通过命令行自动安装：（该方式通过pip命令直接从默认的pypi源（https://pypi.org/）直接下载安装，并安装到默认的python第三方包位置：....python/Lib/site-package下） 执行方式:pip install some_package该方式由...
2016-10-04 11:51:20
7572
1
原创 安装theano框架时，解决问error： /usr/bin/ld: cannot find XXX
在安装theano框架时，执行make -FC gfortran#需要已经安装gfortran 指令时，报错 /usr/bin/ld: cannot find lgfortran,(注：其中gfortran即表示函式库文件名称，其命名规则是：lib+库名(即xxx)+.so。)其命名规则是：lib+库名(gfortran)+.so。)找了好久问题终于解决！参照博客：http://b
2016-10-03 20:55:51
929
转载 转载很经典的--Ubuntu14.04安装Theano详细教程
尊重原创：原文链接：http://blog.csdn.net/xuezhisdc/article/details/47065475因为最近需要学习深度学习，因此想要配置Theano，来开发深度学习算法。但是发现Theano安装总是出现问题。于是在这里中总结一下。环境操作系统：ubuntu14.04Python：2.7.6需要联网相关库简介BLAS
2016-10-03 20:39:45
543
转载 Caffe 工程的一些编译错误以及解决方案（undefined reference to cv::imread）
原文链接：http://blog.csdn.net/yhl_leo/article/details/51371936在编译caffe时遇到了该博文的第二种情况，改正后可以正确执行：（注意根据电脑情况可使用make all -j16）整理一下最近遇到caffe工程的一些编译错误以及解决方法。1 cuDNNcuDNN当前最新版本是v5，近两三年的一些caff
2016-10-02 16:17:06
31388
2
原创 linux 中的编译指令make 和make clean
在make的时候，会重新生成objects， 也就说新的object覆盖就得objectsmake clean 是删除旧的objects。所以应该是make已经含有了make clean的功能。但是实际用的时候，比如多次编译调试运行， 有时候必须make clean一下，直接make，上次留下来的错误似乎不能清干净。
2016-10-02 16:02:35
23905
原创 Linux下安装OpenCV问题：No rule to make target ;usr/lib/x86_64-linux-gnu/libGL.so
很多Linux环境下出现此类Bug时，一般大部分原因是因为make 编译的时候，动态链接库的链接性中断，因此解决方案为添加symlink(符号链接).1. 搜索libGL.so文件路径： 比如，本机中路径为：/usr/lib/libGL.so2. 建立symlink: sudo ln -s /usr/lib/libGL.so.1 /usr/lib/x86_64-linux-gn
2016-10-02 15:25:04
9176
3
原创 理顺下 linux下configure，make，make install的意义
tar.gz、tar.bz2的是源代码包，需要编译之后才能安装，在编译过程中你可以指定各种参数以适应你的系统需求，比如安装位置，优化参数，要哪些功能不要哪些功能等等。这类源代码包需要解压后（tar.gz的用 tar zxvf 解压，tar.bz2的用 tar jxvf 解压），进入解压目录，一般都有一个 INSTALL 的文本文件，里面一般都是安装的详细说明，可以用vi、nano、pi
2016-10-02 12:17:47
432
WIX3.5--WIX3.7安装包
2019-01-17
从excle提取信息，并进行邮件群发
2019-01-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人