2018年07月_BruceCheen

翻译学习笔记：序列分类问题详解

在上一篇文章中，主要介绍了RNN的几种结构，并且介绍了如何利用Char RNN进行文本生成。Char RNN对应着N VS N的RNN结构。在这篇文章中，将专注于另一种RNN结构；N VS 1。这种结构的输入为序列，输出为类别，因此可以解决序列分类问题。常见的序列分类问题有文本分类、时间序列分类、音频分类等等。这篇文章会使用TensorFlow制作一个简单的两类序列分类器1 N VS 1的RN...

2018-07-30 16:33:35 8172 2

翻译学习笔记：RNN基本结构与Char RNN文本生成

从这篇文章起，将开始学习循环神经网络（RNN）以及相关的项目。这篇文章首先会向大家介绍RNN经典的结构，以及色的几个变体。接着将在 TensorFlow 中使用经典的RNN结构实现一个有趣的项目： CharRNN 。Char RNN可以对文本的字符级概率进行建模，从而生成各种类型的文本。1 RNN的原理1.1 经典RNN结构RNN的英文全称是Recurrent Neural Ne...

2018-07-30 14:51:28 3893 1

翻译学习笔记：自动上色

上篇文章介绍了GAN的基本原理以及如何使用GAN来生成样本，还再用于生成图像样本的一种特殊的GAN结构–DCGAN 。这篇文章会介绍cGAN , 与原始GAN使用随机躁声生成样本不同， cGAN可以根据指定标签生成样本。接着会介绍pix2pix模型，包可以看作是cGAN的一种特殊形式。最后会做一个实验：在TensorFlow 中使用pix2pix模型对灰度图像自动上色。cGAN的原理...

2018-07-26 10:45:58 5436

翻译学习笔记：GAN和DCGAN入门

GAN的全称为Generative Adversarial Networks，意为对抗生成网络。原始的GAN是一种无监督学习方法，它巧妙地利用“对抗”的思想来学习生成式模型，一旦训练完成后可以生成全新的数据样本。DCGAN将GAN的概念扩展到卷积神经网络中，可以生成质量较高的图片样本。GAN和DCGAN在各个领域都有广泛的应用，这篇文章首先会介绍他们的原理，再介绍如何在TensorFlow中使用D...

2018-07-25 19:42:40 30806 7

原创 Value passed to parameter 'paddings' has DataType float32 not in list of allowed values: int32, int6

在这个卷积层出错：错误信息： TypeError: Value passed to parameter ‘paddings’ has DataType float32 not in list of allowed values: int32, int64解决方法：import numpy as npx_padded = tf.pad(x, [[0, 0], [np.int(...

2018-07-24 21:52:08 2211 1

翻译学习笔记：人脸检测和人脸识别

人脸检测（ Face Detection ）和人脸识别技术是深度学习的重要应用之一。本章首先会介绍MTCNN算法的原理，它是基于卷积神经网络的一种高精度的实时人脸检测和对齐技术。接着，还会介绍如何利用深度卷积网络提取人脸特征，以及如何利用提取的特征进行人脸识别。最后会介绍如何在TensorFlow 中实践上述算法。1 MTCNN 的原理搭建人脸识别系统的第一步是人脸检测，也就是在图片中...

2018-07-24 12:37:34 20817

翻译学习笔记：深度学习中的目标检测

在前面的学习中，关注的大多数是图像识别问题：输入一张图像，输出该图像对应的类别。这篇文章将讨论目标检测问题。目标检测的输入同样是一张图像，但输出不单单是图像的类别，而是该图像中所含的所高目标物体以及它们的位置。通常使用矩形框来标识物体的位置，如图5-1所示。深度学习已经被广泛应用在目标检测问题上，在性能上也远远超过了传统方法。这篇学习笔记会先介绍深度学习中的几个经典的目标检测方法，再以Goo...

2018-07-21 22:17:12 4633 2

翻译 Deep Dream模型

Deep Dream 是Google 公司在2015 年公布的一顶有趣的技术。在训练好的卷积神经网络中，只需要设定几个参数，就可以通过这项技术生成一张图像。生成出的图像不仅令人印象深刻，而且还能帮助我们理解卷积神经网络背后的运行机制。本章介绍Deep Dream 的基本原理，并使用TensorFlow实现Deep Dream 生成模型。1. Deep Dream 的技术原理在卷积网络中，输...

2018-07-20 22:02:26 2033 3

翻译打造自己的图像识别模型

这篇文章关注的重点是如何使用TensorFlow 在自己的图像数据上训练深度学习模型，主要涉及的方法是对已经预训练好的ImageNet模型进行微调( Fine-tune）。本章将会从四个方面讲解：数据准备、训练模型、在测试集上验证准确率、导出模型并对单张图片分类。1.微调的原理在自己的数据集上训练一个新的深度学习模型时，一般采取在预训练 ImageNet 上进行微调的方法。什么是微调？这...

2018-07-20 19:14:14 12491 3

翻译 lmageNet图像识别模型简介

lmageNet 数据集简介ImageNet数据集是为了促进计算机图像识别技术的发展而设立的一个大型图像数据集。2016年ImageNet 数据集中已经高超过干万张图片，每一张图片都被手工标定好类别。ImageNet 数据；集中的图片涵盖了大部分生活中会看到的图片类别，如图2-19 所示。相比CIFAR-10 , ImageNet 数据集图片数量更多，分辨率更高，含有的类别更多（高...

2018-07-20 15:29:58 2794

翻译 CIFAR-10 识别模型

1.首先要对数据集进行数据增强深度学习通常会要求拥有充足数量的训练样本。一般来说，数据的总量越多，训练得到的模型的效果就会越好。在图像任务中，通常会观察到这样一种现象：对输入的图像进行一些简单的平移、缩放、颜色变换，并不会影响图像的类别。图2 -14 所示为翻转了位置的汽车图像，并适当降低了对比度和亮度，得到的图像当然还是汽车。它们都可以被用作是汽车的训练样本。对于图像类型的训练、数...

2018-07-20 12:00:13 2642

翻译将CIFAR-10 数据集保存为图片形式

介绍了TensorFlow 的数据读取的基本原理，再来看如何i卖取CIFAR-10数据。在CIFAR-10 数据集中，文件data batch I .bin 、data batch 2.bin 、data_batch 5 . bin 和test_ batch.bin 中各有10000 个样本。一个样本由3073 个字节组成，第一个字节为标签（ label ），剩下3072 个字节为图像数据(官方说...

2018-07-19 22:18:47 5637 2

转载 TensorFlow 的数据读取机制

首先需要思考的一个问题是，什么是数据读取？以图像数据为例， i卖取数据的过程可以用图2-2 来表示。假设硬盘中有一张图片数据集0001.jpg、0002.jpg、0.0003.jpg……..只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很窑易，但事实远没离那么简单。事实上，必须先读入数据后才能计算，假设读入用时0.1s，计算用时0.9s，那么意味着每过...

2018-07-19 21:41:56 343

翻译使用TensorFlow卷积网络对MNIST进行分类

本文对应的程序文件是convolutional.py ，将建立一个卷积神经网络，可以把MNIST 手写字符的识别准确率提高到99% 。程序的开头依旧是导入TensorFlow:import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data接下来载入MNIST 数据，并建立占位符。占...

2018-07-19 18:20:44 496

翻译 Softmax回归

1.Softmax的回归原理Softmax回归是一个线性的多类分类模型，实际上白是直接从Logistic 回归模型转化而来的。区别在于Logistic 回归模型为两类分类模型，而 Softmax 模型为多类分类模型。在手写数字体识别问题中，一共有10个类别（0~9），我们希望对输入的图像计算它属于每个类别的概率。如属于9的概率为70%，属于1的概率为10%等。最后模型预测的接轨就是概率...

2018-07-19 17:27:02 988

翻译第2部分 - 使用Python，Numpy和Theano实现RNN

这是Recurrent Neural Network Tutorial的第二部分。第一部分在这代码在这个github上在这一部分中，我们将使用Python从头开始实现完整的Recurrent Neural Network，并使用Theano优化我们的实现，用于在GPU上执行操作的库。完整的代码点击这。我将跳过一些对理解回归神经网络不重要的样板代码，但所有这些代码也在Github上。...

2018-07-15 22:11:58 292

翻译递归神经网络教程，第1部分 - RNN简介

原文在这里递归神经网络（RNN）是流行的模型，在许多NLP任务中表现出很大的希望。但是，尽管他们最近受欢迎，但我发现只有有限数量的资源可以解释RNN如何工作以及如何实施它们。这就是本教程的内容。这是一个多部分系列，我计划在其中涵盖以下内容：RNNs简介（本文）使用Python和Theano实现RNN了解反向传播时间（BPTT）算法和消失的梯度问题实现GRU / LSTM RN...

2018-07-15 16:53:47 1328

原创 CSDN使用LaxTex在线编辑器

前几篇博文都是纯手工打的，那有点麻烦啊，不过好在了解了一下LaTex的简单语法。从这篇博文开始，准备使用LaxTex在线编辑器去编公式。 LaxTex在线编辑器第一步：编辑你想要的公式第二步：复制公式链接在公式图片处，右键选择复制第三步：在博客中插入公式 “ctrl+G”,选择URL上传，粘贴公式链接，完成！！！ ...

2018-07-04 18:51:35 704

转载学习反向传播算法

最近有个项目，需要用到深度学习，为此学了一点神经网络，而反向传播算法为神经网络中最基础也最重要的算法，特此编辑出来，记录自己的学习经历。从最早的模式识别（Pattern Recongnition）时期开始，研究者的目标就是用可训练的多层网络取代人工特征工程。但该解决方案并没有得到广泛认可，直到上世纪80年代中期，多层架构可以通过SGD训练。只要模块是其输入金额内部权值的相对平滑函数，就可以使用...

2018-07-04 15:07:52 342

czp_374的博客