![](https://img-blog.csdnimg.cn/2021092419592613.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
神经网络
抢我糖还想跑
这个作者很懒,什么都没留下…
展开
-
论 文 简 述
t 分布是什么对于“t分布”这个名字,这三个字,不要考虑太多。简单理解,它就是一种距离的度量。而且还是最常见的欧式距离的度量的复杂版本。所以最直观理解就是这样:如上图,两个聚类中心:C1 C2,三个数据点:A B C参考FCM算法中,欧氏距离计算隶属度方法:隶属度C1C2A11+5\frac{1}{1+5}1+5151+5\frac{5}{1+5}1+55B3.83.8+2.5\frac{3.8}{3.8+2.5}3.8+2.53.82.53.8+2.5\原创 2022-03-29 13:43:25 · 504 阅读 · 0 评论 -
一图看懂对抗神经网络中判别器怎么工作的
先梳理问题,后解答1、对GAN网络总有个疑问,判别器是依据什么进行判别的?依据又由何而来? 这个问题至关重要,因为“依据”意味着 有标签,人为提供给了神经网络标签,它才能训练好,能够识别想要认识的东西。但是在无标签的聚类中,尚未知标签,又要怎么学习训练呢? 以鉴别假币为例,人通过学习鉴别假币的种种方法,才能对假币进行识别。按这个逻辑,要想训练GAN,首先通过大量真原创 2021-11-12 10:42:05 · 9151 阅读 · 0 评论 -
Tensorboard的基础使用
利用浏览器实时查看、绘制趋势图、网络结构图、图片等开发这个工具的目的是实时查看网络训练结果、复杂网络里面参数的变化等。为什么能实时?其实很简单,他就是将迭代过程中,你想观察的数据保存下来到本地磁盘中,然后通过浏览器读取,绘制成趋势图。因为控制栏只能打印,不能实时绘制,所以就先保存到本地,然后读取,实时刷新。简单例子from tensorboardX import SummaryWriterplot = SummaryWriter('runs')for i in range(10): plo.原创 2021-08-08 18:19:10 · 133 阅读 · 0 评论 -
tf.slice
原创 2021-08-05 21:26:22 · 71 阅读 · 0 评论 -
batch_size与梯度下降
原创 2021-08-05 21:24:25 · 278 阅读 · 0 评论 -
np.squeeze-删除单维度条目
原创 2021-08-05 21:23:32 · 298 阅读 · 0 评论 -
相关和卷积
原创 2021-08-05 21:20:39 · 81 阅读 · 0 评论 -
DGG算法流程图解+问题
流程问题原创 2021-08-05 21:12:16 · 488 阅读 · 0 评论 -
卷积核与滤波器
解释一解释二原创 2021-08-04 18:57:21 · 258 阅读 · 0 评论 -
VAE->VaDE->DGG 三篇论文演化讲起
一、变分自编码(VAE)如上图所示,假设有两张训练图片,一张是全月图,一张是半月图,经过训练我们的自编码器模型已经能无损地还原这两张图片。接下来,我们在z上,两张图片的编码点中间处取一点,然后将这一点交给解码器,我们希望新的生成图片是一张清晰的图片(类似3/4全月的样子)。但是,实际的结果是,生成图片是模糊且无法辨认的乱码图。一个比较合理的解释是,因为编码和解码的过程使用了深度神经网络,这是一个非线性的变换过程,所以在z上点与点之间的迁移是非常没有规律的。也就是说中间隐层z的分布,我们是未知的,因此我们原创 2021-08-04 11:32:30 · 2715 阅读 · 2 评论 -
<Deep_Clustering_by_Gaussian_Mixture_Variational_Autoencoders_With_Graph_Embedding_ICCV_2019_>代码
Siamese NetworkSiamese network :“连体的神经网络”,神经网络的“连体”是通过共享权值来实现的,如下图所示。共享权值是左右两个神经网络的权重一模一样。主要作用:衡量两个输入的相似程度。孪生神经网络有两个输入(Input1 and Input2),将两个输入feed进入两个神经网络(Network1 and Network2),这两个神经网络分别将输入映射到新的空间,形成输入在新的空间中的表示。通过Loss的计算,评价两个输入的相似度。适用场景:类别数多,但每个类别的样本原创 2021-08-04 10:22:47 · 781 阅读 · 0 评论 -
<Deep_Clustering_by_Gaussian_Mixture_Variational_Autoencoders_With_Graph_Embedding_ICCV_2019_>笔记
个人理解步骤一步骤二步骤三步骤四步骤五模型图原创 2021-08-04 07:50:41 · 616 阅读 · 0 评论 -
论DEC<Deep Embedded Clustering>的由来
一、SNE-(不稳定的)非监督降维二、Symmetric SNE - 解决缺点1三、t-SNE- 解决缺点2四、DEC参考:http://www.datakit.cn/blog/2017/02/05/t_sne_full.htmlhttps://zhuanlan.zhihu.com/p/53432553 1https://zhuanlan.zhihu.com/p/50365577 2https://zhuanlan.zhihu.com/p/44808113https://zhu原创 2021-08-03 14:34:15 · 504 阅读 · 0 评论 -
VAE变体
论文一、<[ICLR 2018] RETHINKING STYLE AND CONTENT DISENTANGLE-MENT IN VARIATIONAL AUTOENCODERS>论文二、<[ArXiv:1804.02086v4] Structured Disentangled Representations>β-VAE参考:https://zhuanlan.zhihu.com/p/62312210、https://blog.csdn.net/Ghy81792原创 2021-08-03 14:28:18 · 392 阅读 · 0 评论 -
再探VAE(问题解答)
问题一,两个模型结构是否相同问题二,ELBO如何推导问题三,均值如何代替重构原创 2021-08-03 14:20:27 · 275 阅读 · 0 评论 -
<Variational Deep Embedding An Unsupervised and Generative Approach to Clustering>笔记
直观分析VaDE神经网络模型:原创 2021-08-03 12:45:25 · 1074 阅读 · 0 评论 -
VAE变分自编码+聚类
一、变分推断二、变分自编码三、联合分布四、聚类原创 2021-08-02 10:59:15 · 2347 阅读 · 2 评论 -
VAE变分自编码模型形象化理解
一、目的二、模型1、推理模型2、生成模型三、为什么ELBO叫变分下界四、公式推导五、ELBO是啥原创 2021-08-02 10:44:48 · 351 阅读 · 0 评论 -
<Multi-View Image Classification With Visual, Semantic and View Consistency>笔记
预备知识1、单视图2、多视图3、多视图半监督4、语义5、语义一致性6、视觉一致性问题与答案本文方法论文内容1、多视图数据预处理本文中,视图是指由各种基于最先进的深度卷积神经网络方法生成的视觉表示。 比如共有5个视图(view1~5),原始数据经过任意神经网络模型的处理,得到各自的视图表示(????_????^????,????_????) ,???? = 1…????,????是图像的数量, ????_????^????,是第????幅图像在第????视图原创 2021-08-02 09:03:26 · 572 阅读 · 0 评论 -
<Multi-channel and Multi-model based Autoencoding Prior for Grayscale Image Restoration>笔记
DAE模型DAE网络模型的示意图如图1所示。Conv、BN和ReLU层分别表示为“C”、“B”和“R”。对于第一层,使用64个3×3×3大小的滤波器(3通道彩色图像,即R、G、B)生成64个特征映射,并使用ReLU进行非线性处理。对于2-19层,使用64个3×3×64大小的滤波器?,在卷积层和ReLU层之间使用BN。最后一层,用3个3×3×3的滤波器重建图像DAE as Priors其中????_(????_???? ) (????)表示标准方差为????_????的局部高斯核, q(u)真实数据原创 2021-08-01 21:48:47 · 182 阅读 · 0 评论 -
DNN反向传播
有激活函数没有激活函数原创 2021-08-01 21:36:53 · 72 阅读 · 0 评论 -
Batch Normalization
原创 2021-08-01 21:32:52 · 62 阅读 · 0 评论 -
VGG16模型解释
原创 2021-08-01 21:30:36 · 219 阅读 · 0 评论 -
自然图像与CNN
原创 2021-08-01 21:28:55 · 75 阅读 · 0 评论 -
CNN卷积神经网络基础
原创 2021-08-01 21:26:48 · 89 阅读 · 0 评论 -
ResNet残差神经网络
基础部分内容参考:https://www.zhihu.com/question/64494691?sort=created问题反向传播(个人研究,如有错误,请指正)网络示意图:反向传播过程原创 2021-08-01 21:25:57 · 137 阅读 · 0 评论 -
CNN卷积神经网络反向传播
原创 2021-08-01 21:17:14 · 77 阅读 · 0 评论 -
VAE变分自编码均值分析
原创 2021-08-01 21:09:40 · 96 阅读 · 0 评论 -
VAE变分自编码 笔记+示意图
原创 2021-07-30 12:02:48 · 159 阅读 · 0 评论 -
深度模型聚类思路
原创 2021-07-31 10:34:21 · 276 阅读 · 0 评论 -
VAE变分自编码 笔记
原创 2021-07-31 10:33:37 · 120 阅读 · 0 评论 -
softmax
原创 2021-07-31 10:12:19 · 97 阅读 · 0 评论 -
损失函数
损失函数原创 2021-07-31 10:10:53 · 90 阅读 · 0 评论 -
BP反向传播
AE反向传播参考:https://www.cnblogs.com/charlotte77/p/5629865.html原创 2021-07-31 10:09:36 · 69 阅读 · 0 评论 -
梯度下降
梯度下降BP反向传播原创 2021-07-31 10:04:17 · 81 阅读 · 0 评论 -
激活函数
激活函数损失函数原创 2021-07-31 10:03:07 · 67 阅读 · 0 评论 -
神经网络基础
原创 2021-07-31 10:02:01 · 70 阅读 · 0 评论