深度学习
Michael_liangliang
这个作者很懒,什么都没留下…
展开
-
神经网络和深度学习(二)——BP(Backpropagation Algorithm, 反向传播算法)
上一周主要看了 Neural Networks and Deep Learning 网上在线课程的第二章的内容 和 斯坦福大学 《机器学习》的公开课,学习了BP( Back Propagation Algorithm, 反向传播算法)。现在总结如下: 只要使用神经网络就会用到BP算法,反向传播算法可以用来学习神经网络的权值,仍然采用梯度下降算法,以最小化网络的实际输出与目原创 2016-11-07 09:54:58 · 2863 阅读 · 0 评论 -
CNN(卷积神经网络)概述
过去几年,深度学习(Deep learning)在解决诸如视觉识别(visual recognition)、语音识别(speech recognition)和自然语言处理(natural language processing)等很多问题方面都表现出非常好的性能。在不同类型的深度神经网络当中,卷积神经网络是得到最深入研究的。早期由于缺乏训练数据和计算能力,要在不产生过拟合(overfitting)原创 2016-11-07 22:28:11 · 26857 阅读 · 0 评论 -
神经网络和深度学习(一)
这两天看了 Neural Networks and Deep Learning 网上在线书目的第一章的内容 和 斯坦福大学 《机器学习》的公开课,学习了两种主要的神经网络结构和机器学习中重要的算法——随机梯度下降算法。现在总结如下: 一个计算模型要划分为神经网络,通常需要大量彼此连接的节点(神经元),具有两个特特性: 1.每个神经元通过某种特原创 2016-10-31 19:45:12 · 5541 阅读 · 1 评论 -
机器学习算法概述以及分类
近期看了斯坦福大学《机器学习》的公开课第一件和网上的相关资料,将各种机器学习算法分类汇总如下: 机器学习的算法很多。很多时候困惑人们都是,很多算法是一类算法,而有些算法又是从其他算法中延伸出来的。这里,我们从两个方面来给大家介绍,第一个方面是学习的方式,第二个方面是算法的类似性。本文来自IT经理网。学习方式 根据数据类型的不同,对一个转载 2016-11-01 09:21:10 · 755 阅读 · 0 评论 -
caffe 进行卷积神经网络训练的命令参数解析
因为在用ImageNet训练AlexNet时,发现准确率不是很高,就想通过调参后从快照(snapshot)中恢复训练 ,就查到了这篇详细的训练命令参数的文章,遂转之,备查用~~ 转自 别人的博客caffe的运行提供三种接口:c++接口(命令行)、Python接口和matlab接口。本文先对命令行进行解析,后续会依次介绍其它两个接口。caffe的c++主程序(转载 2016-12-15 15:41:16 · 1006 阅读 · 0 评论 -
FCN网络中使用的caffe类型层汇总--Convolution/Deconvolution/Crop/Eltwise/SoftmaxWithLoss
FCN卷积神经网络是深度学习在图像语义分割上的开山之作。其主旨思想就是 将全连接层 转化为卷积操作。其中不但有经典神经网络所使用的Convolution(卷积)操作,还包括Deconvolution、Crop、Eltwise操作。将其整理如下:1. Crop 层: 主要作用是进行裁切。下面我们举一个例子来说明如何使用Crop 层:Caffe中的数据是以 blobs形式存在原创 2017-02-13 14:50:31 · 3368 阅读 · 3 评论