![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 96
0pr
咳咳~ 大概就是 OSCP OSEP OSWE OSED OSCE3 CRTO CRTP CRTE PNPT KLCP eCPPTv2 eCPTXv2 eJPT 这些了~
展开
-
CS231N-Lecture2 Image Classification Pipline
图片分类概述一、概述这一课标题是Image Classification Pip-line,大概就是讲了图片分类的整个框架流程。看完之后确实对于卷积网络底层是如何对图片进行分类的有了再进一步的认识,感觉又清晰了一些。点击这里下载CS231N的所有课件PDF图片是如何被分类的图片分类用人类语言来描述大致就是将一个图片,通过某种方式,映射到一个标签上的过程。图片分类的挑战1) 语义层面计算机只认识0原创 2017-05-16 20:03:47 · 517 阅读 · 0 评论 -
CS231N-Lecture3 Loss Functions and Optimization
一、概述在上一讲中,Andrej总结说在没有loss function的情况下,我们在用肉眼观察哪些分数是好的,哪些分数是坏的,如下图。图中,cat的预测分数不是很好,2.9的分数比一些分数高,但是比deer,dog等的低;car的预测分数则很好,比所有其他分数都高;而frog的预测分数糟透了,比大部分的分数都要低。这个lecture中讲的是用loss function来量化分数的好坏,并用opti原创 2017-05-17 17:23:09 · 787 阅读 · 0 评论 -
CS231N-Lecture4 Backpropagation&Neural Network
一、概述上一集结束之后,学到了score function,可以用SVM或者Softmax计算loss,可以在loss中增加regularization来获取更加合理的W,并且最后可以用Analytic Gradient(微积分)的方式计算loss function相对于W的gradient来更新W。如下图。这一集讲了如何使用链式法则来反向传播gradients,来更新W和b,这个gradients原创 2017-05-18 19:12:36 · 634 阅读 · 0 评论 -
Tensorflow-1-Tensorflow Moblie Android平台编译安装
之前就看到Tensorflow有手机平台的API了,今天终于抽了点时间出来鼓捣一下。这篇文章介绍了使用bazel编译tensorflow android demo的过程。原创 2017-05-30 12:35:16 · 3061 阅读 · 1 评论 -
Tensorflow-2-Tensorboard使用
这篇文章用Tensorflow的代码示例介绍了Tensorboard基本使用方式。原创 2017-06-04 22:37:18 · 4536 阅读 · 2 评论 -
CS231N-Lecture5 Training Neural Network
这一集讲了选择合适的activation function。如何预处理数据。Weight的初始化。Batch Normalization的运用。如何监督整个学习过程以便提早发现问题。以及如何优化hyper parameter。原创 2017-05-19 18:08:16 · 970 阅读 · 1 评论 -
Tensorflow-0-带GPU支持的安装与校验
这篇文章详细介绍了Tensorflow的安装和校验安装是否成功的教程,涵盖了在`Ubuntu 16.04`环境下`GPU支持安装`和`非GPU支持的安装`以及`校验`。原创 2017-03-12 15:52:11 · 13547 阅读 · 1 评论 -
CS231N-Lecture6 Training Neural Network part-2
这一集讲了一些列不同的梯度下降算法,做了一些比较。之后,讲到了Dropout机制,随机关闭一些neuron的训练方式可以使整个模型更加有效。然后讲到了一点关于Model Ensemble的技巧。最后,做了一个Convnet的引入,介绍了Convnet的历史起源,以及后人的一些成就。原创 2017-05-21 18:48:11 · 564 阅读 · 0 评论 -
Tensorflow-3-使用RNN生成中文小说
这篇文章不涉及RNN的基本原理,只是从选择数据集开始,到最后生成文本,展示一个RNN使用实例的过程。对于深度学习的应用者,最应该关注的除了算法和模型,还应该关注如何预处理好自己的数据,合理降噪,以及如何在数据量不同的情况下选择合理的超参,来达到最理想的训练结果。...原创 2017-06-11 07:25:31 · 27458 阅读 · 34 评论