兰钧的博客

Resnet：（简易思想）网络结构：先经过一个卷积层，再经过一个池化层，然后再经过若干个残差连接块，在经过一个残差连接块之后，会有一个降采样的操作（By max-pooling或卷积层的步长等于2）。残差连接结构的输入分成两部分，第一部分经过卷积层做一些事情，第二部分直接传过来加到经过卷积层之后的输出上面。这样的结构在实现过程中会遇到什么问题呢？在某一次经过某个残差连接块的时候可能会做降采样。输入经过卷积层之后可能会做一个降采样，使得它的输入变成原来的1/2，但是恒等变换是不会做变化的，所以在做

例如：vgg16.npy，vgg19.npyimport numpy as npvgg16_data = np.load('./style_transfer_data/vgg16.npy', encoding='latin1')print(type(vgg16_data)) #Numpy的多维矩阵print(vgg16_data)data_dict = vgg16_data.item()#将key-value形式转换为字典print(data_dict.keys())print(len

1、TF1.0与TF2.0的区别2、API变动3、如何升级示例：TF1.0代码:TF2.0代码：

无监督问题，不存在结果，生成问题：图像风格转换图像分类是有监督问题不断调整I‘的值，使得f – f’越来越小，当f – f’足够小的时候，认为I与I‘足够相近。结论：越低层的内容特征，越能得到精细的内容特征效果，越高层的风格特征越能得到越抽象的风格特质结果。损失函数：某一层的特征值的平方差。F：图像输入到卷积神经网络中去得到的某一层的激活值。对应位置上和待生成的...

我们课上实现的这个不是VGG Net，是一个普通结构的卷积网络。而且VGG也不是指一个模型，而是根据不同参数控制的一组模型，ResNet同理。1、TF1.0import tensorflow as tfimport osimport pickleimport numpy as npCIFAR_DIR = "./cifar-10-batches-py"print(os.list...

1、TF2.0实战模型结构Model: "sequential"_________________________________________________________________Layer (type) Output Shape Param # =============================...

1、机器学习、深度学习简介上面这张图形象的表达了机器学习与深度学习的关系，机器学习是实现人工智能的方法，深度学习是实现机器学习算法的技术。机器学习是将无序数据转化为价值的方法，机器学习的价值是从数据中抽取规律，并用来预测未来。2、神经元-logistic回归模型神经元是最小的神经网络，如下图所示计算方法举例：(未考虑偏置b)偏...

补充