![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
MrUncle德鲁
发现自己并喜欢自己
展开
-
临时资源链接
https://github.com/1522454735/SiamTrackers原创 2021-03-22 21:50:29 · 242 阅读 · 0 评论 -
深度学习用于计算机视觉(2)
使用预训练网络在小数据集上使用深度学习,除了自己从头开始训练,另一种高效的方法是使用别人在大型数据集上预训练好的模型。from keras.applications import VGG16conv_base = VGG16(weights='imagenet', include_top=False, #模型中是否包含全连接的分类器 ...原创 2019-07-22 15:33:55 · 434 阅读 · 0 评论 -
深度学习用于计算机视觉(1)
深度学习用于计算机视觉从零开始使用GPU训练模型import tensorflow as tffrom keras import layersfrom keras import modelsimport numpy as npimport matplotlib.pyplot as pltUsing TensorFlow backend.使用GPU加速训练import osfr...原创 2019-07-20 11:29:17 · 467 阅读 · 0 评论 -
深度学习用于计算机视觉(0)
实例化一个小型的卷积神经网络from keras import layersfrom keras import modelsimport numpy as npimport matplotlib.pyplot as pltUsing TensorFlow backend.model = models.Sequential()model.add(layers.Conv2D(32...原创 2019-07-20 11:03:25 · 289 阅读 · 0 评论 -
经典深度学习论文中英文翻译
Deep Learning Papers Translation(CV)仅为方便查看。本文转自:SnailTyan 的Github(侵删)Image ClassificationAlexNetImageNet Classification with Deep Convolutional Neural Networks中文版中英文对照VGGVery Deep Convolu...转载 2019-06-05 22:22:35 · 4384 阅读 · 0 评论 -
7、网络优化和正则化
网络优化和正则化1、将神经网络应用于机器学习的难点:优化问题:神经网络模型是一个非凸函数,再加上在深度网络中的梯度消失问题,很难进行优化;另外,深层神经网络模型一般参数比较多,训练数据也比较大,会导致训练的效率比较低。泛化问题:因为神经网络的拟合能力强,反而容易在训练集上产生过拟合。因此,在训练深层神经网络时,同时也需要通过一定的正则化方法来改进网络的泛化能力。2、网络优化优化的...原创 2019-03-06 10:59:06 · 465 阅读 · 0 评论 -
6、循环神经网络
循环神经网络定义:循环神经网络(RNN)是一类具有短期记忆能力的神经网络。在循环神经网络中,神经元不但可以接受其它神经元的信息,也可以接受自身的信息,形成具有环路的网络结构。应用:广泛应用在语音识别、语言模型以及自然语言生成等任务上。给网络增加记忆1、**延时神经网络:**在前馈网络中的非输出层都添加一个延时器,记录最近几次神经元的输出。2、**有外部输入的非线性自回归模型:**...原创 2019-03-05 11:01:05 · 1525 阅读 · 0 评论 -
4、前馈神经网络
前馈神经网络1、神经元假设一个神经元接受 d个输入 x1, x2, · · · , xd,令向量x = [x1; x2; · · · ; xd]来表示这组输入,并用净输入(net input) z ∈ R表示一个神经元所获得的输入信号 x的加权和,则净输入 z 在经过一个非线性函数后,得到神经元的活性值(activation) a,a = f(z)下图展示了一个典型的神经元结构...原创 2019-02-22 17:19:26 · 1293 阅读 · 0 评论 -
5、卷积神经网络
(前面的后期补上)卷积神经网络(CNN)1、基础概念特点:它是一种局部连接、权重共享、子采样的深层前馈神经网络。优点:在进行图片处理时具有一定的平移、缩放、旋转不变性,并且它的参数更少。CNN主要应用于图像处理和视频分析等任务上。2、卷积(特征提取)分为一维卷积和二维卷积。一维卷积:主要应用于信号处理上,一般情况滤波器的长度远小于信号的长度,下图展示了信号为[1,1,2,-1,...原创 2019-02-22 15:56:45 · 1056 阅读 · 1 评论 -
使用Keras 搭建卷积神经网络实现手写字体识别
import numpy as npfrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers import Dense, Dropout, Flattenfrom keras.layers.convolutional import Conv2D, MaxPooling2Ddef...原创 2019-01-09 14:45:52 · 743 阅读 · 0 评论 -
64位Win10 安装 tensorflow(CPU)(详细)
相比于GPU版,CPU版的安装过程现在看来真是简单,但在搭建成功之前也是踩了很多坑!本教程安装的是tensorflow的【非GPU】版本,想要安装GPU版本的参考另一篇博客【GPU版tensorflow】1、本人电脑配置Windows10,64位显卡:GTX1050Ti2、准备资源(安装包)Anaconda(需要64位的!!)3、安装过程3.1、安装Anaconda...原创 2019-01-06 21:23:32 · 4761 阅读 · 0 评论 -
64位Win10 安装 tensorflow、keras(GPU版)
网上有很多教程,但是找一个适合自己电脑的却经历了很多困难。现在详细地记录下来,方便后来人参考吧!本教程安装的使tensorflow的【GPU】版本,想要安装非GPU版本的参考另一篇博客1、本人电脑配置Windows10,64位显卡:GTX1050Ti2、准备资源(安装包)Anaconda(需要64位的!!)VS2015社区版CUDA9.0cuDNN7.43、安装过程...原创 2019-01-06 21:04:25 · 1849 阅读 · 2 评论 -
1、Keras顺序模型
0、总结顺序模型建立过程如图所示:1、Sequentual 顺序模型顺序模型是多个网络层的线形添加,建立顺序模型的方式有两种:1、将网络层的实例以列表的形式传递给Sequential构造器,用来创造一个顺序模型。2、先建立一个模型,然后使用add()方法将各个网络层依次线形添加进入模型。'''方法1'''from keras import Sequentialfro...原创 2019-01-11 11:25:16 · 1174 阅读 · 2 评论