Henry.Duan-CSDN博客

转载利用MatConvNet搭建自己的网络并训练（调参）

本文转载于博客：https://blog.csdn.net/qq_20259459和作者邮箱（ jinweizhi93@gmai.com ）。有关调参该作者也给出了详细的介绍（https://blog.csdn.net/qq_20259459/article/details/70316511）前期工作：下载安装matlab和下载MatConvNet以及下载GPU相关文件和配置GPU。...

2019-05-06 09:49:51 3324 1

转载高光谱图像数据集

1：Washington DC Mal,Indian Pine等https://engineering.purdue.edu/~biehl/MultiSpec/hyperspectral.html2：Indian Pines,Salinas,Pavia Centre and University,Cuprite等http://www.ehu.eus/ccwintco/index....

2019-03-31 20:00:15 18276 3

转载 (python)给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的两个整数。

给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的两个整数。你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。示例:给定 nums = [2, 7, 11, 15], target = 9因为 nums[0] + nums[1] = 2 + 7 = 9所以返回 [0, 1]1、使用最容易理解的遍历数组进行查...

2018-11-22 20:34:19 36804 1

转载 SVM--支持向量机

一、简介支持向量机（support vector machines）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括：（1）当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；（2）当训练样本近似线性可分时，通过软间隔最大化，学习一个线性支持向量机；（3）当训练样本线性不可分时...

2018-09-16 11:06:07 1087

转载范数

范数包括向量范数和矩阵范数。向量范数的定义：常用的向量范数有：0范数(L0范数)-向量中非0元素的个数；1范数(L1范数)-向量中各个元素绝对值之和；2范数(L2范数)-向量的模长；无穷范数(最大范数)-向量中各个元素绝对值的最大值。矩阵范数的定义：常用的矩阵范数：F范数-矩阵中所有元素平方和然后开根号；1范数(列范数)-求每列元素的绝对值之和的...

2018-08-27 20:34:15 1667

转载 LeNet详解

LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用softmax分类作为输出层。关于CNN参见：https://blog.csdn.net/qq_42570457/article/details/81458077 LeNet-5 这个网络虽然很小，但是它包含了深度学习的基本模块：卷积层，池...

2018-08-06 20:44:06 91660 20

原创卷积神经网络（CNN）详解

一、卷积神经网络的基本概念卷积神经网络与普通神经网络的区别在于，卷积神经网络包含了一个由卷积层和子采样层（池化层）构成的特征抽取器。在卷积神经网络的卷积层中，一个神经元只与部分邻层神经元连接。在CNN的一个卷积层中，通常包含若干个特征图(featureMap)，每个特征图由一些矩形排列的的神经元组成，同一特征图的神经元共享权值，这里共享的权值就是卷积核。卷积核一般以随机小数...

2018-08-06 20:01:25 109653 4

原创 BP算法实例—鸢尾花的分类（Python）

首先了解下Iris鸢尾花数据集： Iris数据集（https://en.wikipedia.org/wiki/Iris_flower_data_set）是常用的分类实验数据集，由Fisher,1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度...

2018-08-06 15:29:13 22207 12

转载 BP算法详解

说到神经网络，大家看到这个图应该不陌生：这是典型的三层神经网络的基本构成，Layer L1是输入层，Layer L2是隐含层，Layer L3是隐含层，我们现在手里有一堆数据{x1,x2,x3,…,xn},输出也是一堆数据{y1,y2,y3,…,yn},现在要他们在隐含层做某种变换，让你把数据灌进去后得到你期望的输出。如果你希望你的输出和原始输入一样，那么就是最常见的自编码模...

2018-08-06 15:02:07 13054 2

转载 Caffe简介

Caffe的优势上手快：模型与相应优化都是以文本形式而非代码形式给出。 Caffe给出了模型的定义、最优化设置以及预训练的权重，方便立即上手。速度快：能够运行最棒的模型与海量的数据。 Caffe与cuDNN结合使用，测试AlexNet模型，在K40上处理每张图片只需要1.17ms. 模块化：方便扩展到新的任务和设置上。可以使用Caffe提供的各层类型来定义自己...

2018-07-23 20:02:00 3082

转载 Linux常用命令大全

原文出处：http://www.cnblogs.com/fnlingnzb-learner/p/5831284.html 系统信息 arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI) hdparm -i /dev/hda 罗列一个磁盘...

2018-07-23 16:42:23 111

1