2017年08月_zchang81

DCGAN，Deep Convolutional Generative Adversarial Networks是生成对抗网络（Generative Adversarial Networks）的一种延伸，将卷积网络引入到生成式模型当中来做无监督的训练，利用卷积网络强大的特征提取能力来提高生成网络的学习效果。

2017-08-19 15:01:36 1706

翻译目标检测模型（不用在ImageNet上预训练）

DSOD模型不仅参数更少（适合于手机、无人机等资源受限的设备）、性能更强，更重要的是不需要在大数据集（如ImageNet）上预训练，使得DSOD的网络结构设计非常灵活，根据自己的应用场景可以设计自己所需要的网络结构。

2017-08-19 14:59:21 11478

转载关于GAN的问题

“GAN之父”Goodfellow与网友互动：关于GAN的11个问题

2017-08-18 11:02:16 3330

转载如何完善GAN？

“GANs之父”Goodfellow：如何完善生成对抗网络？

2017-08-18 10:35:50 1451

转载 GAN原理介绍

说到GAN第一篇要看的paper当然是Ian Goodfellow大牛的Generative Adversarial Networks，这篇paper算是这个领域的开山之作。

2017-08-17 16:11:11 1296

原创斯坦福CS224n深度学习与NLP课程开放全部课程视频

斯坦福大学CS224n（全称：深度学习与自然语言处理）是自然语言处理领域很受欢迎的课程，由 Chris Manning 和 Richard Socher 主讲。

2017-08-16 13:44:19 8013

原创深度学习框架提供的“Model Zoo“

深度学习框架提供的 “Model Zoo” ，有大量的在大数据集上预训练的可供下载的模型

2017-08-15 10:18:29 7105

转载 Xavier初始化方法

“Xavier”初始化方法是一种很有效的神经网络初始化方法，方法来源于2010年的一篇论文《Understanding the difficulty of training deep feedforward neural networks》，可惜直到近两年，这个方法才逐渐得到更多人的应用和认可。

2017-08-14 15:05:19 992

原创斯坦福CS231n Spring 2017开放全部课程视频

CS231n Spring 2017 由李飞飞主讲，Goodfellow等人对其中部分章节有介绍。内容重点包括计算机视觉的基础、CNN、RNN、GAN、RL等深度模型在计算机视觉上的应用。

2017-08-13 16:03:18 1906

转载 TensorFlow手写汉字识别

手写汉字数据集: CASIA-HWDB

2017-08-11 09:47:19 10748 5

翻译 Tensorflow中使用 LSTM + CTC 的例子

LSTM + CTC + Tensorflow示例这是一个使用lstm和ctc来端到端识别图片中序列数字的demo。

2017-08-10 11:20:52 11420 5

转载在Caffe中使用Baidu warpctc实现CTC Loss的计算

CTC(Connectionist Temporal Classification) Loss 函数多用于序列有监督学习，优点是不需要对齐输入数据及标签。

2017-08-10 10:45:45 6004 1

原创深度学习课程项目Deeplearning.ai正式发布

今早，吴恩达在 Medium 上发布了一篇博客，宣布 Deeplearning.ai 项目正式启动。同时表示今天发布的项目仅仅是他正在发布的三大项目中的第一个。吴恩达表示：Deepleanring.ai 是一套教育课程。

2017-08-09 10:07:52 1241

原创几个常用的Python库

几个常用的Python库：numpy、pandas、matplotlib，scipy，ipython

2017-08-08 17:36:28 1793

原创 CTC模型简介

CTC（Connectionist temporal classification），可以理解为基于神经网络的时序类分类。

2017-08-08 11:04:53 6155

转载可变形卷积网络：计算机新“视”界

卷积核的形状可以是变化的，变形的卷积核能让它只看感兴趣的图像区域，这样识别出来的特征更佳。

2017-08-07 15:54:18 2471

转载矩阵运算的概念和代码实现

本文从向量的概念与运算扩展到矩阵运算的概念与代码实现，对机器学习或者是深度学习的入门者提供最基础，也是最实用的教程指导，为以后的机器学习模型开发打下基础。在我们学习机器学习时，常常遇到需要使用矩阵提高计算效率的时候。如在使用批量梯度下降迭代求最优解时，正规方程会采用更简洁的矩阵形式提供权重的解析解法。而如果不了解矩阵的运算法则及意义，甚至我们都很难去理解一些如矩阵因子分解法和反向传播算法之

2017-08-07 10:45:09 5540 2

转载 Caffe2新增RNN支持

Caffe2新增RNN支持

2017-08-04 11:51:58 715

转载训练的神经网络的常见问题

训练的神经网络的常见问题

2017-08-03 17:34:08 3394

转载贾扬清撰文详解Caffe2：从强大的新能力到入门上手教程

2017年4月19日，Facebook 推出了 Caffe2，一个兼具表现力、速度和模块性的开源深度学习框架。

2017-08-01 10:28:41 651

zchang81的博客

原创 Sarsa 与 Q learning对比

转载理解DQN算法

转载 Q-learning 算法工作原理

转载 ROC曲线与AUC值

转载 CVPR 2017精彩论文解读：Xception深度可分离卷积模型

转载最小二乘法

转载 DCGAN论文笔记+源码解析