深度学习
hustlx
小硕一枚,兴趣人工智能、机器学习、图像处理。
展开
-
如何计算padding大小
根据tensorflow中的conv2d函数,我们先定义几个基本符号1、输入矩阵 W×W,这里只考虑输入宽高相等的情况,如果不相等,推导方法一样,不多解释。2、filter矩阵 F×F,卷积核3、stride值 S,步长4、输出宽高为 new_height、new_width当然还有其他的一些具体的参数,这里就不再说明了。我们知道,padding的方式在tensorflow转载 2017-07-10 16:53:14 · 9073 阅读 · 1 评论 -
tensorflow笔记
1、one-hot编码独热编码即 One-Hot 编码,又称一位有效编码,其方法是使用N位状态寄存器来对N个状态进行编码,每个状态都由他独立的寄存器位,并且在任意时候,其中只有一位有效。例如:自然状态码为:000,001,010,011,100,101独热编码为:000001,000010,000100,001000,010000,100000可以这样理解,对于每一个特征,如果原创 2017-08-08 11:58:41 · 635 阅读 · 1 评论 -
pytorch训练imagenet分类
1、imagenet数据准备:a、下载数据集b、提取training data:mkdir train && mv ILSVRC2012_img_train.tar train/ && cd traintar -xvf ILSVRC2012_img_train.tar && rm -f ILSVRC2012_img_train.tarfind . -name "*.tar" |原创 2017-07-10 18:11:23 · 6725 阅读 · 3 评论 -
用tensorflow训练imagenet数据准备
在tensorflow的models/models/inception/inception/data中有数据处理的一些脚本,但是实在不好用,然而降图像转化为TFRecords的一些python脚本还是能用,首先工作目录为:models/inception/inception/data 将imagenet的原始数据ILSVRC2012_img_train.tar和ILSVRC2012_img_v原创 2017-08-02 17:07:59 · 17044 阅读 · 4 评论 -
论文笔记
OverFeat大框架是Hinton的Alex-net,创新点主要在以下几点:1.训练时输入大小固定,测试时用多尺度输入;2.没有进行对比度归一化;3. max pooling没有采用overlap4. 3、4、5层的feature map 比Hinton的多。OverFeat在2013年的ImageNet上的性能表现并不是最优秀的,在18个team里面排名第5,但是他提出的测转载 2017-08-22 19:20:33 · 843 阅读 · 0 评论