卷积神经网络入门到精通
傅晨明
毕业于杭州电子科技大学
展开
-
1.1数据驱动的图像分类流程
1.1数据驱动的图像分类流程转载 2017-08-23 08:50:53 · 419 阅读 · 0 评论 -
神经网络基本原理-4.8神经网络之训练过程的性能监督
神经网络基本原理-4.8神经网络之训练过程的性能监督转载 2017-12-13 16:25:59 · 362 阅读 · 0 评论 -
CS231n课程笔记翻译:图像分类笔记(上)
原文地址: http://cs231n.github.io/classification/转自: https://zhuanlan.zhihu.com/p/20894041这是一篇介绍性教程,面向非计算机视觉领域的同学。教程将向同学们介绍图像分类问题和数据驱动方法。下面是内容列表:图像分类、数据驱动方法和流程 Nearest Neighbor分类器 k-Nearest Neighbor 译者转载 2017-08-23 09:38:08 · 253 阅读 · 0 评论 -
2线性分类器基本原理-2.2线性分类器之SVM和折叶损失(Hinge Loss)
图像分类器模型的整体结构: 损失函数:从上一节定义了图像像素值到所属类别的评分函数(score function),该函数的参数是权重矩阵W。在函数中,数据(xi,yi)(x_i,y_i)是给定的,不能修改。但是我们可以调整权重矩阵这个参数,使得评分函数的结果与训练数据集中图像的真实类别一致,即评分函数在正确的分类的位置应当得到最高评分(score)。 回到之前那张猫的图像分类例子,它有针对猫、转载 2017-12-04 17:53:02 · 1944 阅读 · 0 评论 -
2线性分类器基本原理-2.3线性分类器之SoftMax和交叉熵损失(Cross-Entropy)
图像分类器模型的整体结构:交叉熵(Cross-Entropy)损失 和 SoftMax SVM是最常用的两个分类器之一,而另一个就是Softmax分类器,它的损失函数与SVM损失函数不同。对于学习过二元逻辑回归分类器的读者来说,SoftMax分类器就可以理解为逻辑回归分类器面对多个分类的一般化归纳。SVM将输出f(xi,W)f(x_i,W)作为每个分类的评分(因为无定标,所以难以直接解释)。与SV转载 2017-12-05 15:20:43 · 4140 阅读 · 0 评论 -
3模型训练和最优化-3.1模型训练之损失函数优化策略
损失函数可视化:最优化Optimization:转载 2017-12-05 18:07:06 · 1763 阅读 · 0 评论 -
3模型训练和最优化-3.2模型训练之梯度下降与参数更新
3模型训练和最优化-3.2模型训练之梯度下降与参数更新转载 2017-12-07 09:34:23 · 992 阅读 · 0 评论 -
3模型训练和最优化-3.3模型训练之梯度反向传播算法(上)
3模型训练和最优化-3.3/3.4模型训练之梯度反向传播算法(上/下)转载 2017-12-07 10:18:05 · 505 阅读 · 0 评论 -
神经网络基本原理-4.7神经网络之梯度检查技巧
神经网络基本原理-4.7神经网络之梯度检查技巧转载 2017-12-13 09:35:22 · 360 阅读 · 0 评论 -
2线性分类器基本原理-2.1线性分类器之前向推断过程
线性分类器的基本知识:线性分类器简介 线性评分函数 阐明线性分类器 损失函数:多类SVM和SoftMax 基于Web的可交互线性分类器原型K最近邻(k-Nearest Neighbor,KNN)分类器存在以下不足:分类器必须记住所有训练数据并将其存储起来,以便于未来测试数据用于比较。这在存储空间上是低效的,数据集的大小很容易以GB计。对一个测试图像进行分类需要和所有训练图像做对比,算转载 2017-12-04 10:26:16 · 2564 阅读 · 0 评论 -
神经网络基本原理-4.6神经网络常用损失函数
神经网络基本原理-4.6神经网络常用损失函数转载 2017-12-12 16:43:45 · 668 阅读 · 0 评论 -
1.2近邻分类器分类Cifar10图像数据集(上)
1.2近邻分类器分类Cifar10图像数据集(上)转载 2017-08-23 09:27:37 · 671 阅读 · 0 评论 -
1.3近邻分类器分类Cifar10图像数据集(下)
1.3近邻分类器分类Cifar10图像数据集(下)转载 2017-09-05 14:29:26 · 408 阅读 · 0 评论 -
神经网络基本原理-4.1神经网络之单个神经元模型
本节主要内容:不用大脑做类比的快速简介单个神经元建模 生物动机和连接作为先行分类器的单个神经元常用的激活函数快速简介: 在不诉诸大脑的类比的情况下,依然是可以对神经网络算法进行介绍的。在线性分类一节中,在给出图像的情况下,是使用s=Wx来计算不同视觉类别的评分,其中W是一个矩阵,x是一个输入列向量,它包含了图像的全部像素数据。在使用数据库CIFAR-10的案例中,x是一个[10x3转载 2017-12-07 17:46:13 · 6141 阅读 · 0 评论 -
神经网络基本原理-4.2神经网络之基本结构以及规模设置
神经网络基本原理-4.2神经网络之基本结构以及规模设置转载 2017-12-11 17:39:38 · 814 阅读 · 0 评论 -
神经网络基本原理-4.3数据预处理(零中心化+归一化+PCA+白化)
本节主要内容:设置数据和模型 数据预处理权重初始化批量归一化(Batch Normalization)正则化(L2/L1/Maxnorm/Dropout)损失函数小结转载 2017-12-11 18:10:10 · 3989 阅读 · 1 评论 -
神经网络基本原理-4.4神经网络之权重初始化方法
神经网络基本原理-4.4神经网络之权重初始化方法转载 2017-12-12 14:18:22 · 524 阅读 · 0 评论 -
神经网络基本原理-4.5神经网络之网络正则化方法:L2、L1、DropOut
神经网络基本原理-4.5神经网络之网络正则化方法:L2、L1、DropOut转载 2017-12-12 15:21:39 · 890 阅读 · 0 评论 -
3模型训练和最优化-3.4模型训练之梯度反向传播算法(下)
3模型训练和最优化-3.4模型训练之梯度反向传播算法(下)转载 2017-12-07 15:56:20 · 641 阅读 · 0 评论