![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
杂项
文章平均质量分 87
这是一个死肥宅
多谢指导!
展开
-
神经网络中卷积层和池化层的作用探究
1.前言:我们知道:卷积层用于进行特征提取。池化层用于输入的特征图进行压缩,使特征图变小,简化网络计算复杂度或进行特征压缩,提取主要特征。但在神经网络中它们会使输入的特征逐步变化成什么样?最终得到正确的结果呢?下面我们通过一个简单的神经网络来探究它们的作用。2.相关说明:这里将使用下图所示的卷积神经网络:卷积核大小:[1,1,1,1] 分别对应 [batch,height,widt...原创 2019-10-19 17:04:50 · 5307 阅读 · 0 评论 -
给VM中Linux虚拟机扩容GParted
这个虚拟机用着用着就发现磁盘空间不够了,那么如何简单,快速的给虚拟机扩容呢?1.关机状态下——>打开编辑虚拟机设置——>磁盘——>扩展(扩展为你想要的大小,确定后再等一段时间就行了)2.安装 GParted(图形化的磁盘管理系统)之前直接想着通过liunx的命令行界面直接操作,把多出来的磁盘大小合并到主盘上去,但发现不是这么简单,在多次操作无果后,选择了这个更简单的方式。...原创 2019-03-15 22:01:50 · 900 阅读 · 0 评论 -
DeepDive安装教程
DeepDive简介:DeepDive是一个混乱数据中抽取有效数据的系统。混乱的数据包括混合在文本、表格和图片等中的非结构化数据而难以被软件处理。DeepDive帮助从非结构化数据中抽取数据并整合到已有的结构化数据库中。DeepDive被用来抽取数据实体中的复杂关系并且推断出他们之间的联系。数据被抽取到数据库中后,大家就可以使用一系列常用工具,例如Tablaeu和Excel等可视化分析工具进行数...原创 2019-03-13 19:22:28 · 5408 阅读 · 7 评论 -
深度学习中批训练(batch)与逐个数据训练对结果的影响的思考(无实验)
为什么会提出这样的思考?在之前的实验中,我总是习惯于使用批训练的方式向神经网络中传入数据(可能是因为大多数教学都使用MNIST的数据集?)。然而,当我使用我自己提取的数据,再批次传入模型进行训练,往往会发现最后得到的准确率总是不尽人意,起初怀疑对模型的理解和数据提取上。直到我在一个实验中,使用了批次训练和逐个训练的方式,却得到了不同的结果( 见tensorflow RNN实现文本分类(LSTM)...原创 2019-07-12 17:45:50 · 7766 阅读 · 0 评论 -
MNIST数据集使用详解
数据集下载网址:http://yann.lecun.com/exdb/mnist/下载后无需解压,将其放在一个文件夹下即可:数据说明:数据集常被分为2~3个部分训练集(train set):用来学习的一组例子,用来适应分类器的参数[即权重]验证集(validation set):一组用于调整分类器参数(即体系结构,而不是权重)的示例,例如选择神经网络中隐藏单元的数量测试集(test ...原创 2019-07-18 16:12:05 · 16757 阅读 · 3 评论