- 博客(7)
- 收藏
- 关注
原创 数据结构学习笔记:什么是算法?
学习浙大陈越老师数据结构课程,将重点PPT纪录在此,完整ppt见https://mooc.study.163.com/learn/1000033001?tid=2001462004#/learn/content?type=detail&id=2001778302&cid=2001783591。 ...
2018-09-28 10:08:52 272
原创 深度学习笔记(4):1.11 为什么要使用卷积运算?
1.11 为什么要使用卷积(why convolutions?)首先直观上,使用卷积比全连接网络少很多参数,如下图所示:对于32*32*3的图像,令f=5,使用6个filter,参数值为5*5*6+6=156个参数,权重参数个数为5*5*6,偏差为6个,所以是156。但是全连接会产生多少个参数呢?将这两个图片都flatten成向量,分别是3072维和4704维向量,这时使用全连接就会有...
2018-09-27 20:12:02 2113
原创 深度学习笔记(4):1.9 pooling | 1.10 CNN example
1.9 池化层(pooling layers)除了卷积层,卷积神经网络也经常使用池化层来缩减模型大小提高计算速度,同时提高所提取特征的鲁棒性。举个例子来看池化层的必要性,假设用到的池化类型是最大池化(max pooling),如下图所示:也许可以把这个4*4的区域看作是某些特征的集合,也就是神经网络中某一层未使用激活函数之前的值,即Z,数字大意味着可能提取了某些特征,它可能表示垂直...
2018-09-27 11:22:28 534
原创 深度学习笔记(4):1.6-1.8 简单卷积网络
1.6 对立方体做卷积(convolutions over columes)这一小节我们讲对立方体做卷积,图片从2D的灰度图像变为3D的RGB彩色图像,这三层分别对应红绿蓝三个通道,如下图所示:图片规模由6*6变为6*6*3,这三个数字分别表示图片的高、宽和通道的数目(#channels)。图片规模由2D变为3D,filter规模也跟着由2D变为3D的3*3*3,这三个数字表示filt...
2018-09-20 22:34:46 441
原创 Python 字典(Dictionary) __contains__(key)方法
Python 2 中字典(Dictionary) has_key() 函数用于判断键是否存在于字典中,如果键在字典dict里返回true,否则返回false。使用如下: dict.has_key(key)举个栗子: dict = {'Name':'coco','Sex':'Female'} # 定义字典 print(dict.has...
2018-09-20 21:07:19 46272 2
原创 深度学习笔记(4):1.4-1.5:CNN中常用两大基本操作:padding、strided convolutions
1.4 padding 在深度学习中,需要学会的一个基本卷积操作就是padding,padding是什么意思呢?之前未使用padding时,假设我们的图片是6*6的,在使用3*3的filter之后,图片变为4*4的,发现了什么?图片使用卷积操作之后变小了,这还只是使用一次,如果我们在深层网络中需要使用多次呢?可想而知,图片就会变得越来越小,甚至会缩小到1*1,我们当然不希望在识别边缘或...
2018-09-18 22:20:34 4579
原创 深度学习笔记(4):1.1-1.3 边缘检测(edge detection)
第四课开始,我们开始学习卷积神经网络。1.1 计算机视觉(computer vision)深度学习在计算机视觉方面的应用非常振奋人心,一方面是该应用使许多不可能变成了可能,另一方面是深度学习在计算机视觉方面的应用能够给深度学习在其他方面的应用带来一些方法的改进和思考,比如语音识别等。计算机视觉包含哪些问题呢?如下图所示:比如图片分类,判断一个图片是否是猫;或者目标识别,比如在无...
2018-09-17 23:19:20 9731
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人