- 博客(10)
- 收藏
- 关注
RSS订阅转载 常用的数据集——machine learning
1. CIFAR-10 & CIFAR-100 CIFAR-10包含10个类别，50,000个训练图像，彩色图像大小：32x32，10,000个测试图像。 （类别：airplane，automobile, bird, cat, deer, dog, frog, horse, ship, truck） （作者：Alex Krizhevsky, Vinod Nair,
2017-11-29 10:57:35
854
翻译 深度学习与神经网络-吴恩达-第二周优化算法
一、Mini-batch梯度下降法前面介绍的向量化方法能够让我们高效的处理m个样本数据，模型输入的也就是m个样本按列堆叠而成的矩阵X，同样地，输入数据的标签也是m个样本标签按列堆叠而成的矩阵Y。但是以海量训练样本（m很大，几百万甚至几千万的数据量）作为输入的话，这样做的计算成本依然会很高。因为只有处理完所有的训练样本才能进行一次梯度下降法，然后还需要重新处理所有的训练数据才能进行下一步
2017-11-29 09:56:16
524
转载 CNN神经网络学习疑惑
问题1：CNN升神经网络中，每个卷积核是在整幅输入图像上做卷积吗？是的问题2：权值共享，是同一层的每一个卷积核相同吗？不是，权值共享的意思是，同一个feature map 中的权值相同，feature map通过卷积核卷积后的输出乘以权值获得。以下博文摘自“萌面女xia”该博文详细的解释了上述疑惑
2017-11-27 21:02:55
437
转载 CNN神经网络解释，及MNIST实例详注
在知乎上看到一段介绍卷积神经网络的文章，感觉讲的特别直观明了，我整理了一下。首先介绍原理部分。 通过一个图像分类问题介绍卷积神经网络是如何工作的。下面是卷积神经网络判断一个图片是否包含“儿童”的过程，包括四个步骤：图像输入（InputImage）→卷积（Convolution）→最大池化（MaxPooling）→全连接神经网络（Fully-ConnectedNeural
2017-11-27 19:38:46
2081
转载 CNN卷积神经网络
上图中CNN要做的事情是：给定一张图片，是车还是马未知，是什么车也未知，现在需要模型判断这张图片里具体是一个什么东西，总之输出一个结果：如果是车 那是什么车所以最左边是数据输入层，对数据做一些处理，比如去均值（把输入数据各个维度都中心化为0，避免数据过多偏差，影响训练效果）、归一化（把所有的数据都归一到同样的范围）、PCA/白化等等。CNN只对训练集做“去均值”这一步。中间是CON
2017-11-18 11:48:19
363
原创 感知器数据分类算法
收获：输入数据与神经元链接比喻做电信号在两个神经元的多个树突之间传输、将权重系数w比喻为各个神经元的传递强弱，当到达细胞核的时候进行求和，既np.dot(W,X)从细胞核传入下一个神经元的时候，用激活函数对信号再处理一遍；图片摘自 慕课网“机器学习-实现简单的神经网络”
2017-11-15 14:49:48
1090
原创 机器学习—第二周作业—logistics regression
Logistic Regression with a Neural Network mindsetWelcome to your first (required) programming assignment! You will build a logistic regression classifier to recognize cats. This assignment will step
2017-11-13 16:02:53
854
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