![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
OnlineCourse_Notes
MingSun95
这个作者很懒,什么都没留下…
展开
-
小象学院深度学习笔记4(卷积神经网络-目标分类)
此为二维旋转平移矩阵,旋转a度数,横向平移h,纵向平移k。ICCV,ECCV,CVPR:图像处理;ICML,NIPS:偏理论;ACL,KDD:自然语言处理。Batch Size应当小于GPU内存,8G可以设到50以上。深度多和卷积核跨度大优先考虑前者。把别人训练好的模型的参数拿过来训练自己的小数据训练上。当训练数据与借鉴model的数据差异较大时原创 2017-07-30 15:59:45 · 711 阅读 · 1 评论 -
小象学院深度学习笔记1(传统神经网络)
一、传统神经网络神经网络起源于线性回归,是线性到非线性的转变 即使损失大量特征,因为特征足够多不会对模型的特征获取有太多影响。线性回归网络可以简化为一层,多个系数矩阵的相乘可以转化成一个系数矩阵 赋予不同参数不同的权重值;多目标任务例如目标检测,既要分类又要进行定位;不同的网络模型的loss值得融合,例如VGG+Google,每个网络模型相当于一个神经元。竞原创 2017-07-28 09:28:45 · 1338 阅读 · 0 评论 -
小象学院深度学习笔记2(卷积神经网络-基础)
卷积神经网络与传统神经网络区别:卷积较传统参数量减少,但是计算量却增大了,所以需要GPU的计算。跳变的理解:loss在update时,因为batch的存在,每次选一定数量的图片计算其下降方向,会导致变化的存在。全连接层的神经元个数:比上一层少一点,一般是最终输出层神经元个数的两到三被倍。课程链接:https://www.bilibili.com/video/av10324235原创 2017-07-28 16:21:21 · 710 阅读 · 0 评论