WepLeo-CSDN博客

原创不使用框架实现卷积神经网络(Python)

不使用框架实现卷积神经网络(Python) 之前为了对卷积神经网络有更深入的了解，结合别人的成果和自己的思考，在仅使用numpy和cv2的前提下，实现了深度卷积神经网络，并使用mnist数据集进行了训练和测试。不过速度真的非常慢，代码：https://github.com/WepLeo/cnn_without_frame。主要参考了这两个：https://github.com/...

2018-02-27 22:40:38 3389

原创关于卷积核为何有效的初级理解

卷积核的理解

2017-10-12 17:04:43 872

原创 python cv2 中cv2.imread和cv2.resize输入输出参数顺序

cv2使用时间不长，遇到了一些坑。在使用cv2.imread读取RGB图像时，得到的array的shape是（高，宽，（B,G,R）），最后的颜色顺序与matplotlib等库不一样。在使用cv2.resize时，第二个参数是输出图形的宽和高，即（宽，高），与其他的又不一样。。。WTF :)

2017-09-08 14:05:34 3583

原创梯度下降法的理解

在机器学习算法中，使用梯度下降法对参数进行优化过程如下： W_new = W_old - step_size * dL 这里dL 是损失函数在参数W取值为W_old时，对参数W的偏导数值。取减号进行更新的原因是，当损失函数对Wi求偏导值为正时，说明损失函数与Wi是正相关，因此减小Wi的值可以减小损失函数的值，当偏导为负时，则负负得正，增大Wi的值来减小损失函数的值。当W中所有元素的值都更新完一次

2017-08-04 09:44:23 862

原创 keras中卷积核维数与输入维数的关系

里面如果有错的话，还望指正，谢谢。在使用keras的卷积层时，需要选择卷积核的维数，对应的函数分别为Conv1D和Conv2D等，刚开始使用时一直没搞明白为啥输入图像是3维的RGB图像，但是在配置卷积层时却选择Conv2D函数，而不是Conv3D，后来看keras的源码，才知道原因（我等菜鸟还是要多看源码才能进步。。）在keras.layers中的convolutional

2017-08-03 12:25:21 12081 1

原创 libsvm使用注意事项（参数顺序）

LibSvm的3.22版，当使用自定义核函数的时候，参数一定要按照给定的顺序来，问题还不清楚，但是不按顺序就会出错，例如本来选的是 -s 3 结果是默认的C-SVM。本来是选择的自定义核函数，结果也编程默认。顺序如下截图（源码中的：）在使用自定义核函数的时候，若不把 -s 和 -t 这两个分别放在第一第二的话，就会执行默认值，不知道是不是代码里面限制了 c语言学的不溜。

2017-03-07 02:45:09 859

原创自己在libSvm中SMO算法中KKT条件的理解误区（还不确定）

在libsvm中，分类和回归都是基于的同一个SMO算法的Solver类，根据林智仁的文章A Library for Support Vector Machines，最终的二次规划问题可统一表示为：其中，eps-svr的具体形式是：统一之后，文献中说道的根据KKT条件选择合适的alpha，只要上式11满足有且仅有一个数字b，和两个非负向量lambda和xi：这里的

2017-03-04 19:36:04 2798

原创自定义径向基核函数

根据公式在自定义svm的径向基核函数时，需要描述其核矩阵，如下所示：function kernel_matrix=rbf_kernel(x1,x2,gamma)%在训练时，x1,x2均为训练集，x1为测试样本，即在预测时，x1为测试集,x2为支持向量训练集len1=size(x1,1);%测试集样本数len2=size(x2,1);%训练集样本数kern

2017-02-21 14:57:37 1701 5

WepLeo的博客