- 博客(13)
- 资源 (1)
- 收藏
- 关注
原创 Centos7下搭建Hadoop7单机环境
本文采用Vmware12+Centos7+hadoop2.7.3一.准备工作1.设置hostname#hostnamectl set-hostname develop01# hostnamectl status 2.配置Notepad++修改Linux文件点击Notepad++最右侧“show NPPFTP”,点击profile setting,设置如下,
2018-01-30 16:54:25 2274
原创 RNN识别MNIST手写数据(TensorFlow)
学习Tensorflow,用RNN来实现MNIST手写数字识别,根据手绘的网络结构实现,网络如下: 因为Tensorflow还不熟悉,使用Jupyter Notebook输代码,如下:input_data.py #用于下载MNIST数据集和加载数据from __future__ import absolute_importfrom __future__ impor
2018-01-30 14:07:04 1702 3
转载 【论文导读】Scalable and Accurate Deep Learning for Electronic Health Records
本文转载自新智元微信公众平台,作者是康奈尔大学威尔医学院助理教授王飞,对Google最近挂出的深度电子病历论文进行了导读,网上下载了本文阅读,确实如大牛王飞所说,有点点和这么豪华的作者整容不匹配,可能和电子病历深度学习挖掘的难度很大有关。下面是转载的内容。 本周,Jeff Dean大神带领一票人马,在ArXiv上挂出了一篇文章,题目叫“Scalable and Accurate
2018-01-29 11:05:59 2844
原创 使用VGG19的参数测试图片
本文使用网上下载的VGG19卷积层参数测试一张图片,只使用了VGG19的Conv,Relu,Max-pooling层,没有用到最后三个FC层。参数文件是网上下载的imagenet-vgg-verydeep-19.mat。本文中经过的层包含如下:'conv1_1', 'relu1_1', 'conv1_2', 'relu1_2', 'pool1', 'conv2_1', 'rel
2018-01-28 16:51:26 6075
原创 imagenet-vgg-verydeep-19参数结构解析
第一次用网上下载的VGG-19参数来训练网络,下载的参数文件是 imagenet-vgg-verydeep-19.mat 文件有500多兆,不明觉厉害(大神莫笑,如果写得有问题欢迎指出以使我进步,哈哈),一下子不清楚它的参数是怎么组织的,为了弄清楚,参考了网上的帖子,也自己用笨办法一层一层的剥离了一下试试看,把解析后的结构记录一下。一、VGG-19的结构 先
2018-01-28 12:14:43 9608 7
转载 Batch Normalization导读
本文转载自http://blog.csdn.net/malefactor/article/details/51476961,个人觉得是解读《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》这篇大作比较好的文章。/* 版权声明:可以任意转载,转载时请标明文
2018-01-26 10:28:13 402
转载 直观梳理深度学习:计算机视觉基础
本文转载自新智元微信公众号,作者是来自南京大学计算机系机器学习与数据挖掘所(LAMDA)张皓。本文写得很简洁,故转载之,可以当做一篇简要的论文综述。引言深度学习目前已成为发展最快、最令人兴奋的机器学习领域之一,许多卓有建树的论文已经发表,而且已有很多高质量的开源深度学习框架可供使用。然而,论文通常非常简明扼要并假设读者已对深度学习有相当的理解,这使得初学者经常卡在一些概念的理解
2018-01-24 16:36:20 1780
原创 【论文阅读笔记】Densely Connected Convolutional Networks
本文是CVPR-2017-best paper之一,在ResNet基础上进一步改变CNN网络连接结构,实现State-of-the-art的效果。论文的想法很值得借鉴。大神还无私的给出了代码实现:https://github.com/liuzhuang13/DenseNet.1.Introduction 介绍了CNN的发展,网络层数变多后出现训练梯度消失的问题,之前大名鼎鼎的
2018-01-24 11:25:56 348
原创 【论文阅读笔记】CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning
本文是吴恩达哈佛大学团队在2017年发表的文章,提出CheXNet技术,即一个使用ChestX-ray14数据集训练的121层的深度卷积网络,该网络通过胸片识别肺炎的准确率已经和人类放射科医生持平甚至更高。网络输入为人体正面扫描的胸片,输入时患肺炎的概率,为了更好的可视化,使用了热力图(Class activation mapping)。 1.数据 使用Chest
2018-01-23 16:56:39 5502 2
转载 CNN For NLP
CNN for NLP (CS224D) 斯坦福课程CS224d: Deep Learning for Natural Language Processinglecture13:Convolutional neural networks – for sentence classification 主要是学习笔记,卷积神经网络(CNN),因为其特殊的结构,在图像
2018-01-07 09:30:10 1422
原创 【论文阅读笔记】Rocket Launching: A Universal and Efficient Framework for Training Well-performing Light Net
【作者】周国睿、范颖、崔润鹏、卞维杰、朱小强、盖坤【团队名称】阿里巴巴【收录】AAAI2018论文 【论文链接】https://arxiv.org/abs/1708.04106 深度网络通常采用复杂的网络结构来实现精确预测,但对于点击率预估这样的在线实时响应系统对响应时间要求非常严格。结构复杂,层数很深的深度模型不能很好的满足严苛的响应时间的限制。为了在满足响应时间的前提下还
2018-01-06 11:26:30 3296
原创 【论文阅读笔记】Visualizing and Understanding Convolutional Networks
本文是发表在ECCV2014年的论文,主要贡献如下:1、提出一种可视化CNN隐层特征的方法,通过引入一个和CNN计算过程相逆的decovnet来实现。其中convolution ,RELU操作和CNN一直,max-pooling由于运算不可逆,在CNN中引入了switch变量记录max-pooling中每一步的最大值,在un-pooling时在最大值位置用原最大值填充,其他位置用0填充。
2018-01-04 17:28:36 807
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人