深度学习
F~C~H
这个作者很懒,什么都没留下…
展开
-
深度强化学习系列之(12): 深入浅出理解TRPO算法原理及Tensorflow实现
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...转载 2019-10-12 10:33:20 · 862 阅读 · 0 评论 -
直观理解神经网络最后一层全连接+Softmax
文章目录写在前面全连接层与Softmax回顾加权角度模板匹配几何角度Softmax的作用总结参考写在前面这篇文章将从3个角度:加权、模版匹配与几何来理解最后一层全连接+Softmax。掌握了这3种视角,可以更好地理解深度学习中的正则项、参数可视化以及一些损失函数背后的设计思想。全连接层与Softmax回顾深度神经网络的最后一层往往是全连接层+Softmax(分类网络),如下图所示,图片来自...转载 2019-04-02 13:40:28 · 3758 阅读 · 0 评论 -
详解BN(Batch Normalization)算法
详解Batch Normalization 原文地址:http://blog.csdn.net/hjimce/article/details/50866313作者:hjimce一、背景意义本篇博文主要讲解2015年深度学习领域,非常值得学习的一篇文献:《Batch Normalization: A...转载 2019-03-08 09:44:01 · 1915 阅读 · 0 评论 -
什么是ASIC芯片?与CPU、GPU、FPGA相比如何?
<p style="text-indent: 2em;">继4月初<a href="http://www.elecfans.com/tags/联发科/" target="_blank"><u>联发科</u></a>宣布扩大<a href="ht转载 2019-02-20 21:55:35 · 25556 阅读 · 0 评论 -
yolo系列之yolo v3【深度解析】
版权申明:转载和引用图片,都必须经过书面同意。获得留言同意即可本文使用图片多为本人所画,需要高清图片可以留言联系我,先点赞后取图这篇博文比较推荐的yolo v3代码是qwe的keras版本,复现比较容易,代码相对来说比较容易理解。同学们可以结合代码和博文共同理解v3的精髓。github地址:https:...转载 2019-03-01 16:49:52 · 893 阅读 · 0 评论 -
一文搞懂反向传播算法
原文链接:https://www.jianshu.com/p/964345dddb70 一、前言这是一场以误差(Error)为主导的反向传播(Back Propagation)运动,旨在得到最优的全局参数矩阵,进而将多层神经网络应用到分类或者回归任务中去。前向传递输入信号直至输出产生误差,反向传播误差信息更新权重矩阵。这两句话很好的形容了信息的...转载 2019-02-18 23:56:13 · 485 阅读 · 0 评论 -
YOLOv3——引入:FPN+多尺度检测 (目标检测)(one-stage)(深度学习)(CVPR 2018)
论文下载:https://pjreddie.com/media/files/papers/YOLOv3.pdf论文代码: https://github.com/pjreddie/darknet一、算法特点:1、基本思想:YOLO系算法的思想都是,首先通过特征提取网络对输入图像提取特征,得到一定大小的特征图(比如13*13),然后将输入图像划分网格成13*13个单...转载 2019-02-15 22:34:35 · 11952 阅读 · 0 评论 -
YOLOv2——引入:Anchor+特征融合 (目标检测)(one-stage)(深度学习)(CVPR 2017)
论文下载: https://arxiv.org/abs/1612.08242 论文代码: http://pjreddie.com/yolo9000/ 一、算法概述:建立在YOLOv1的基础上,经过Joseph Redmon等的改进,YOLOv2和YOLO9000算法在2017年CVPR上被提出,并获得最佳论文提名,重点解决YOLOv1召回率和定位精度方面的误差。在提出...转载 2019-02-15 22:33:06 · 2885 阅读 · 0 评论 -
YOLOv1——One-stage开山之作 (目标检测)(one-stage)(深度学习)(CVPR 2016)
论文连接:https://github.com/pjreddie/darknet 代码连接:http://arxiv.org/abs/1506.02640一、目标检测概述:近几年来,目标检测算法取得了很大的突破。早期的目标检测方法通常是通过提取图像的一些鲁棒性好的、的特征(如Haar、SIFT、HOG 等),使用 DPM(Deformable Parts Model)模型,用...转载 2019-02-15 22:31:22 · 2474 阅读 · 0 评论 -
图解CNN:通过100张图一步步理解CNN
图解CNN:通过100张图一步步理解CNN作者:@Brandon Rohrer,链接:http://brohrer.github.io/how_convolutional_neural_networks_work.html译者:@zhwhong,链接:https://www.jianshu.com/p/fe4...转载 2019-02-14 17:52:29 · 1700 阅读 · 1 评论 -
如何理解NIN网络中的mlpconv层
【题目】如何理解NIN网络中的mlpconv层概述在Network in Network结构(NIN结构),mlpconv层相当于先进行一次普通的卷积(比如3x3),紧跟再进行一次1x1的卷积。一、原论文描述在原论文中,对于mlpconv层是这样描述的:图1说明了线性卷积层和mlpconv层之间的区别。由mlpconv层执行的计算...转载 2019-02-14 17:50:20 · 672 阅读 · 0 评论 -
深度 | 从入门到精通:卷积神经网络初学者指南(附论文)
&lt;div id="img-content"&gt; &lt;h2 class="rich_media_title" id="activity-name"&gt;转载 2019-02-14 17:18:03 · 487 阅读 · 0 评论