深度学习
我是菜鸡,我不敢睡
这个作者很懒,什么都没留下…
展开
-
迁移学习案例 基于VGG16的迁移学习
由于深度学习网络的训练复杂,耗时,并且对硬件要求较高,因此对于目标相似的任务,并且自己的数据集数目较小的时候,比如分类任务,不同的分类任务之间的对象具有较为相似的特征,我们就可以使用已经预训练的模型来应用到自己的项目任务中,当然对于已经预训练的模型,需要经过微调才能应用到自己的分类任务中来。 微调主要包括训练参数的变动,全连接层神经元个数,当我们自己的数据集很少时,我们可以仅仅改变最后一层全连接层的神经元的个数即可,当我们的数据量大的时候,我们可以选择训练模型的后几层参数。 这里我们采用VGG16来实现简单原创 2020-10-18 23:12:46 · 2232 阅读 · 0 评论 -
利用卷积神经网络对CIFAR-10数据集分类
CIFAR-10 该数据集共有60000张彩色图像,这些图像是32*32,分为10个类,每类6000张图。这里面有50000张用于训练,构成了5个训练批,每一批10000张图;另外10000用于测试,单独构成一批。测试批的数据里,取自10类中的每一类,每一类随机取1000张。抽剩下的就随机排列组成了训练批。注意一个训练批中的各类图像并不一定数量相同,总的来看训练批,每一类都有5000张图。 python 版本数据集下载网址:) http://www.cs.toronto.edu/~kriz/cifar-原创 2020-10-17 17:50:53 · 2357 阅读 · 2 评论 -
deep dream 案例
什么是DeepDream? DeepDream是谷歌发布的对卷积神经网络(CNN)进行可视化的方法,旨在更好的理解深度学习的过程。其通过某一网络(网络结构固定)根据提供的图片,来调整输入的图片,以生成目标的图片,其原理图如下: 其中在生成图片的过程中,网络的结构是固定的,是预训练好的,其改变的是输入数据(下图的随机噪声)以生成目标图片(下图的海星) 其中具体原理大家可自行搜索学习。 本案例是慕课上的深度学习案例,使用GoogleNet的Inception预训练模型来生成目标图片,预训练模型的下载地址: h原创 2020-10-17 00:58:23 · 460 阅读 · 1 评论