张帅影&RS&DeepLearning

YOLO v3 代码及数据集下载Git下载YOLO v3下载配置weights下载coco数据集最近作为小白刚接触YOLO v3 对于github的使用也经历了不少波折，经过自己的摸索之后，对YOLO v3代码下载和数据集下载有了一些经验，下面写成教程呈现给大家，希望能帮助到刚入门的同学。Git下载在正式下载YOLO v3之前，这里我们要下载一款常用的软件 Git ，直接给出大家官网，然后对照自己的计算机版本安装相应的Git版本https://git-scm.com/download/win下载好

最近在学习YOLOv3,有一些东西都挺有用的，不想以后翻来翻去找，这里总结了一些有用的文章地址，供大家学习使用。YOLO官网：https://pjreddie.com/darknet/yolo/YOLOv3论文链接：https://pjreddie.com/media/files/papers/YOLOv3.pdfGithub代码地址：https://github.com/pjreddie/darknet论文翻译：https://zhuanlan.zhihu.com/p/34945787如何训练自

利用pytorch 实现BRNN相关代码输出结果今天我们来实现Bi-directional Recurrent Neural Network (BRNN)，具体原理可查阅相关文献，这里仅给出实现代码及输出结果。相关代码import torch import torch.nn as nnimport torchvisionimport torchvision.transforms as transforms# Device configurationdevice = torch.devic

利用pytorch 实现循环神经网络循环神经网络代码实现输出结果循环神经网络这里有一篇英文文章说的比较好，这里我直接拿来用了，同时也可以帮大家提升一下英文水平，哈哈哈原文代码实现import torchimport torch.nn as nnimport torchvisionimport torchvision.transforms as transforms#device configurationdevice=torch.device('cuda'if torch.cuda

卷积神经网络包括输入层、卷积层、池化层、全连接层和分类器。卷积层后一般接入池化层来减小数据量，较常见的有最大池化和平均值池化。经过交替的卷积层和池化层之后，已经获得了高度抽象的特征图像，全连接层可以看做是设计了与最后一层特征图像尺寸相同的卷积核，而将这些二维特征图像“抹平”成一维数组，对提取的特征进行分类。卷积神经网络对卷积核参数的学习训练是通过梯度方向传播算法实现的，该算法是一种有监督学习算法。假设网络的训练尚未完善，输入信号的训练输出和实际输出会有一定的误差，误差在梯度下降算法中逐层传播，逐层更新网

最近学习了吴恩达老师讲的卷积神经网络课程，随手记录了一些笔记，这里发布出来，希望对学习的小伙伴有帮助！若有不当之处，还望大家指正。1.我们在搭建CNN时候，在前向传播的过程中，我们会存储一些值，以便在反向传播过程中计算梯度值。2.边界填充将会在图像边界周围添加值为0的像素点3.0填充边界的好处：(1).图像高度/宽度在卷积完一层后，被完全保留(2).帮助我们在图像边界保留更多信息4.填充矩阵中的元素，可以用python中的np.pad()函数，具体使用方法可以百度5.在前向传播的过程中，我们使

这篇文章主要讲一下分割数据集合优化梯度算法，主要步骤有：优化算法1.分割数据集2.优化梯度下降算法2.1不使用任何优化算法2.2使用mini-batch梯度下降算法2.3使用具有动量的梯度下降算法2.4使用Adam算法1.分割数据集2.优化梯度下降算法2.1不使用任何优化算法2.2使用mini-batch梯度下降算法2.3使用具有动量的梯度下降算法2.4使用Adam算法...

这篇文章我们主要学习一下如何改善神经网络，并给出相关代码，如有不足之处，还请大家指正，希望与大家共同进步！这节中我们要做的有：初始化参数读取并绘制数据初始化为零随机初始化抑梯度异常初始化正则化模型读取并绘制数据集不使用正则化使用正则化 L2正则化 随机删除节点梯度校验高维初始化1.初始化为0笔记：1.通常来说，零初始化都会导致神经网络无法打破对称性，最后导致的结果是无论网络有多少层，最终只能得到和Logistic函数相同的效果2.权重矩阵W[L]应该被随机

下面给出如何利用python实现构建双层及多层神经网络的代码：# 代码撰写 ：张帅影# 撰写时间 ：2020.11# 开发工具 ：Pycharmimport numpy as npimport h5pyimport scipyimport matplotlib.pyplot as pltimport testCases1 #参见资料包，或者在文章底部copyfrom dnn_utils import sigmoid, sigmoid_backward, relu, relu_backw

下面说一下深度学习中的线性分类，直接上代码：# 代码撰写 ：张帅影# 撰写时间 ：2020.11# 开发工具 ：Pycharmimport numpy as npimport matplotlib.pyplot as pltfrom testCases import * # * 代表将所有的函数都导入import sklearnimport sklearn.datasetsimport sklearn.linear_modelfrom planar_utils import

学习了Logstic回归后，自己又参看网上的各种教程和视频，终于对神经网络学习有了初步的认识，先将代码给大家，代码中附有各种参数的解释说明，代码后附上自己对此次学习的一些总结，和以后编写程序的时候的一些基本规范，希望对想要学习的同学有用哦，不足之处，还望大家多多指正。#代码撰写 ：张毛毛#撰写时间 ：2020.11.3#开发工具 ：pycharm2020import scipyimport numpy as npfrom PIL import Imagefrom scipy import

1.改变矩阵的大小在深度学习中我们常用numpy模块中的np.shape和np.reshape来查询矩阵数组的形状或者重新定义矩阵的形状(需保证改变形状前后，数组的元素总个数相等)当我们用一个算法处理一幅图像时，我们需要将输入的矩阵的形状变为一个向量的形式(长高3,1)。换句话说就是，你需要将三维的矩阵展开为一维的向量形式。下面是将一幅图像变为一个向量的图示：在图像处理中，我们常用image2vector()函数来实现将输入的矩阵的形状(长,高,3)变为一个一维向量的形式(长高3,1)。下面给出

umpy是利用pyhon进行科学化编程计算中的一个主要的模块。下面我们就来先构建深度学习中的一些基本的函数吧！1.sigmoid 函数，np.exp()练习：利用math.exp() 写一个sigmoid函数，使得函数返回值为一个实数x。提示：sigmoid函数就是我们常常所说的logistic函数。它是一个非线性的函数，不仅在机器学习(Logistic Regression）而且在深度学习中我们也能常常见到。(Logistic函数或Logistic曲线是一种常见的S形函数，它是皮埃尔·弗朗索瓦·韦