- 博客(18)
- 资源 (50)
- 收藏
- 关注
原创 tensorflow学习笔记(5)卷积神经网络(CNN)
在http://blog.csdn.net/piaoxuezhong/article/details/78916872中,softmax分类器准确性优于两层神经网络结构的结果,之前在cs231n课程中,老师提到了这一点,神经网络层数达到一定复杂度后,神经网络才能发挥出比较大的优越性能,本篇使用TensorFlow实现卷积神经网络(CNN),测试一下效果。参考:h
2017-12-31 11:21:30 2004
原创 tensorflow学习笔记(4)softmax分类和简单神经网络比较
实例1:#!/usr/bin/env python3# -*- coding: utf-8 -*-import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
2017-12-27 21:54:47 3970
原创 tensorflow学习笔记(3)梯度下降法进行曲线拟合和线性回归
参考:https://www.tensorflow.org/get_started/get_startedhttp://jorditorres.org/research-teaching/tensorflow/first-contact-with-tensorflow-book/first-contact-with-tensorflow/#cap1
2017-12-27 21:27:26 6166
原创 tensorflow学习笔记(2)张量与计算图
参考:http://jorditorres.org/research-teaching/tensorflow/first-contact-with-tensorflow-book/first-contact-with-tensorflow/#cap1https://www.jianshu.com/p/c62fdd13561e
2017-12-25 22:52:15 9061 1
原创 Ubuntu安装Tensorflow及anaconda环境下使用TensorFlow
1安装Anaconda下载地址:https://www.continuum.io/downloads/(我安装的是linux-64-python3.6)然后执行:bash Anaconda×××-Linux-x86_64.sh ,然后一直enter键,中途会遇到([y]/n)? 的提示,输入y即可。安装好后,在终端输入Python即可看见:Python 3.6.3 |Anaconda,
2017-12-25 22:12:33 12029 2
原创 tensorflow学习笔记(1)如何高效地学习TensorFlow(附链接)
且看知乎上的帖子:如何高效的学习tensorflow?本篇简要总结以下,并不断更新中~~tensorflow官网(需要翻墙)一个有用的链接学习TensorFlow极客学院的MNIST入门github的tensorflow主页Stanford的CS 20SI课程,专门针对TensorFlow的课程First Contact With TensorFlow,中文:与Tensor
2017-12-25 21:35:52 9216
原创 win7(32位)U盘安装、卸载ubuntu(64位)双系统
前记:鉴于安装双系统走过的坑,把成功安装的经过汇总如下,亲测一、下载系统镜像和USB刻录软件Ubuntu系统镜像,官网下载。USB刻录软件,点击下载。2G以上空间的U盘。下载Ubuntu镜像进入Ubuntu官网后,点击下载Ubuntu16.04的64位版本,如下图所示: 下载USB刻录工具进入Rufus的官网后,找到下图位置,点击下载USB刻
2017-12-23 19:18:39 1833
原创 GSL数学库解多参数方程
在之前的博文里介绍了gsl库的安装使用,本篇介绍使用gsl库进行多参数方程的线性拟合求解方法,使用手册给出的实例,主要参考和学习调用gsl多参线性拟合的使用步骤:The following program performs a quadratic fit to a weighted dataset using the generalised linear fitting functio
2017-12-21 14:01:55 2937
转载 一文快速掌握 Git 用法(Git介绍及使用流程)
一、Github 基础什么是 Git?git 是一个分布式版本控制软件,最初由林纳斯·托瓦兹(Linus Torvalds)(Linux 之父)创作,于 2005 年发布。最初目的是为更好地管理 Linux 内核开发。Git 在本地磁盘上就保存着所有有关当前项目的历史更新,处理速度快;Git 中的绝大多数操作都只需要访问本地文件和资源,不用实时联网。Git 客户端
2017-12-20 22:04:01 13677 3
原创 斯坦福大学深度学习公开课cs231n学习笔记(10)卷积神经网络
前记:20世纪60年代,Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时,发现其独特的网络结构可以有效地降低反馈神经网络的复杂性,继而提出了卷积神经网络(Convolutional Neural Networks-简称CNN)。现在,CNN已经成为众多科学领域的研究热点之一,特别是在模式分类领域,由于避免了对图像复杂的前期预处理操作,可以直接输入原始图像,因而得到了更为广泛
2017-12-18 21:24:12 9472
翻译 斯坦福大学深度学习公开课cs231n学习笔记(9)softmax分类和神经网络分类代码实现
在前面的几节课中,讲述了神经网络的基本原理和参数的优化方法等,在这节课中,讲师前面的知识进行总结运用,通过构建Softmax分类器和一个小型的神经网络让我们有更加深入和直接的了解。我按照课中的步骤在ubuntu系统下进行实现。第一步:生成数据。N = 100 # number of points per class D = 2 # dimensionality K = 3 #
2017-12-17 21:05:22 3163 4
原创 斯坦福大学深度学习公开课cs231n学习笔记(8)神经网络学习过程中的检查事项和参数调优
参考:http://cs231n.github.io/neural-networks-3/https://zhuanlan.zhihu.com/p/21741716?refer=intelligentunithttps://zhuanlan.zhihu.com/p/21798784?refer=intelligentunit参考:http://c
2017-12-10 14:49:21 1923
原创 斯坦福大学深度学习公开课cs231n学习笔记(7)神经网络防止数据过拟合:损失函数和正则化
正则化正则化主要是为了防止数据的过拟合,对于过拟合,下图1的说明比较清楚:对于房价与房子大小之间的关系,左边给出的是线性关系,相比于中间的二次曲线,关系拟合性上稍显不足,为欠拟合;右边的四次曲线很好的过了每格样本点,但是应用到其他的数据上的能力(泛化能力)有些差,右图所示即为过拟合。对于防止神经网络出现过拟合现象,课中给出了四种方法,分别为:L2正则化,L1正则化,
2017-12-09 10:49:09 1492
原创 斯坦福大学深度学习公开课cs231n学习笔记(6)神经网路输入数据预处理(归一化,PCA等)及参数初始化
该节课中主要讲述了针对神经网络输入数据的一些预处理操作,例如:均值化,归一化,PCA与白化等,另外还讲述了损失函数及其正则化。数据预处理在深度学习算法中起着重要作用,在实际的计算过程中,将数据做归一化和白化等处理后,算法往往能够取得较好的效果。数据预处理之:归一化均值减法:即将样本数据减去它们的均值。python中操作:X=X-np.mean(X,axis=0);示例:im
2017-12-07 22:08:52 4792 1
原创 斯坦福大学深度学习公开课cs231n学习笔记(5)神经网络结构与激活函数
在线性分类器中,使用公式:对图像进行分类,神经网络则使用另外一种公式:,这里只是两层的网络结构,参数W1和W2在反向传播过程中,通过链式法则得到。神经网络与大脑神经结构上图1中,左边是人脑的神经元结构,右边是神经网络数学模型。其中,生物神经元:从树突(dendrites)获取输入信号,然后沿着它唯一的轴突(axon)产生输出信号;轴突在其末端逐渐分枝,通过突触(synapses
2017-12-05 22:13:00 1558
原创 斯坦福大学深度学习公开课cs231n学习笔记(4)正向传播及反向传播
参考:http://cs231n.github.io/optimization-2/https://zhuanlan.zhihu.com/p/21407711
2017-12-04 22:34:35 629
原创 斯坦福大学深度学习公开课cs231n学习笔记(3)最优化方法:梯度下降
继续cs231n课程的学习,最优化方法部分:随机梯度下降法。前面课程介绍了图像分类任务的两个关键部分:(1)评分函数。将原始图像像素映射为分类评分值。(2)损失函数。根据分类评分和训练集图像数据实际分类的一致性,来衡量参数集的好坏。损失函数有不同的实现方式(例如:Softmax或SVM)。线性函数的形式是: ,而SVM实现的公式是:对于图像数据xi,如果基于参数集W做出的分类预
2017-12-02 12:20:29 2329
翻译 《A Sub-Pixel Edge Detector: an Implementation of the Canny/Devernay Algorithm》
论文《A Sub-Pixel Edge Detector: an Implementation of theCanny/Devernay Algorithm》提出了一种基于canny算法进行亚像素级边缘提取的算法,这里简要翻译一下:
2017-12-01 21:41:40 11852 19
subpixel-precise extraction of lines and edges
2017-04-06
匹配滤波器测试用例
2018-09-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人