![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习(DL)
文章平均质量分 92
Robin_Pi
所有觉得难得东西,只是因为没有真正理解最基础的概念
展开
-
深度学习算法/模型——总章
深度学习算法/模型-总章0. 承上启下:深度学习的目的/任务/优势机器学习的目的深度学习的任务/优势深度学习的改进/方向1. 深度学习介绍1.1 概论:[整体概述](https://blog.csdn.net/Robin_Pi/article/details/104657408)1.2 补充:[深度学习基础](https://blog.csdn.net/Robin_Pi/article/detai...原创 2020-03-05 12:10:56 · 766 阅读 · 0 评论 -
深度学习算法/模型——深度学习基础(持续更新)
深度学习基本概念1. 神经网络基础(概念)1.1 前馈神经网络1.2 卷积神经网络1.3 循环神经网络2. 深度学习模型(架构)3. 深度学习应用3.1 CV3.2 NLP1. 神经网络基础(概念)1.1 前馈神经网络1.2 卷积神经网络卷积1.3 循环神经网络2. 深度学习模型(架构)3. 深度学习应用3.1 CV3.2 NLP...原创 2020-03-05 10:24:38 · 5774 阅读 · 0 评论 -
训练集、训练集、测试集?
突然一下记不起来验证集的作用了,再次小结一下。为什么要分训练集、验证集(也有人叫训练开发集)和测试集(甚至还有人想继续划分出一个测试开发集?周志华的西瓜书上其实说的很清楚:也就是说,训练集用来训练或者说拟合(fit)模型;验证集用来测试不同模型和参数下的表现,借此调整(tune)模型;测试集用来估计模型在实际使用(未知情况)时的泛化能力,即实施(deploy)模型。参考:能不能只要训练集和测试集,不要验证集呢?...原创 2020-11-19 14:03:13 · 392 阅读 · 0 评论 -
目标跟踪基础
文章目录原创 2020-07-21 13:38:27 · 1320 阅读 · 0 评论 -
计算机视觉基础
计算机视觉基础概念基本概念基本任务发展技术图像分类目标检测目标跟踪语义跟踪实例分割以前对于计算机视觉的理解主要是图像的分类识别,随着了解的深入才发现除了简单的图像分类,还有图像分割、检测和跟踪等任务,借此机会简单梳理下计算机视觉的一些基础,弥补知识空白。概念基本概念什么是计算机视觉?计算机视觉是以图像(视频)为输入,以对环境的表达(representation)和理解为目标,研究图像信息组织、物体和场景识别、进而对事件给予解释的学科。从目前的研究现状看,目前还主要聚焦在图像信息的组织和识别阶段,原创 2020-07-21 10:48:21 · 794 阅读 · 0 评论 -
目标检测基础:常用框架
文章目录R-CNN :使用区域(region)缩小目标区域|Fast R-CNN :①在建立区域之前进行特征提取 ②用softmax代替svm|Faster R-CNN :优化搜索算法(RPN)|You Only Look Once(YOLO)、 Single Shot MultiBox Detector(SSD)、基于区域的全卷积网络( R-FCN ):在整个图像上共享计算参考:详解计算机视觉五大技术从RCNN到SSD,这应该是最全的一份目标检测算法盘点...原创 2020-07-20 17:47:58 · 630 阅读 · 0 评论 -
目标检测基础:初步认识
目标检测图像分类和目标检测的区别将已训练的分类网络用于目标检测传统方法深度学习方法目标检测的评价指标目检测与图像分类的区别?深度学习目标检测器的组成:包含不同目标检测架构的区别和基本模型之间的区别如何使用预训练模型进行深度学习目标检测?如何从一个深度学习模型中过滤或者忽略一些预测类别?向深度神经网络增加类别或从中删除类别时常见的误区和误解目标检测技术作为计算机视觉的重要方向,被广泛应用于自动驾驶汽车、智能摄像头、人脸识别及大量有价值的应用上。这些系统除了可以对图像中的每个目标进行识别、分类以外,原创 2020-07-20 16:57:28 · 221 阅读 · 0 评论 -
2020 AI 算法工程师常见知识点整合
文章目录特征工程预处理特征选择降维机器学习深度学习NLPCVCoding数学综合知识点整理: 2020 AI 算法岗春招汇总 & 面经大全来了!点击接收你的招聘秘籍数据预测处理:合鲸:干货 | 教你一文掌握数据预处理 特征工程1.离散、连续特征一般怎么处理(onehot、归一化、why、方法 等);特征变换、构造/衍生新特征(woe、iv、统计量 等);特征筛选(离散...原创 2020-05-24 15:17:06 · 1767 阅读 · 0 评论 -
卷积:从一维卷积到三维卷积的过程(信号-灰度图-彩色图)
卷积理解一维卷积二维卷积三维卷积一维卷积二维卷积步长为 1带步长(取 2)三维卷积原创 2020-04-06 13:18:48 · 2320 阅读 · 0 评论 -
深度学习理论
文章目录1. 反向传播网络(BP)2. 卷积神经网络(CNN)受一博主影响:开始搞理论吧!深度学习开端—BP神经网络 1. 反向传播网络(BP)2. 卷积神经网络(CNN)...原创 2020-04-01 16:32:13 · 324 阅读 · 0 评论 -
[Keras] 深入理解/探索深度学习框架(结构/作用层面)
框架分析ResNetVGG16源码[keras]Keras code and weights files for popular deep learning models.原创 2020-03-22 09:13:19 · 182 阅读 · 0 评论 -
深入探究深度学习框架
Resnet50原创 2020-03-19 16:28:33 · 214 阅读 · 0 评论 -
项目实战:Keras 用法记录
数据增强是什么在将数据导入到计算机内存之后、加载到模型之前,训练集部分进行数据增强并和验证集一起加载至模型进行训练。Keras并不是在记忆体中对整个图像数据集执行图像转换操作,而是设计通过深度学习模型训练过程进行迭代,从而能够动态地创建增强的图像数据。怎么做官方:图像预处理-ImageDataGenerator 类ImageDataGenerator 图片生成器通过实时数据增强生成张...原创 2020-03-18 07:50:27 · 201 阅读 · 0 评论 -
深度学习经验收集
目录训练技巧详解【含有部分代码】——论文:Bag of Tricks for Image Classification with Convolutional Neural Networks神经网络训练trick 图像分类任务中的tricks总结 ...原创 2020-03-18 16:24:01 · 218 阅读 · 0 评论 -
高屋建瓴学机器学习/深度学习
高屋建瓴问总结通过高屋建瓴的学习,解决平时越到的一些本质上的疑惑。问到底该如何理解 Normalization,以及深度学习中的BN?详解深度学习中的Normalization,BN/LN/WN深度学习中的归一化(normalization)和正则化(regularization)如何学习众多深度学习优化算法?一个框架看懂优化算法之异同 SGD/AdaGrad/Adam总结...原创 2020-03-17 12:20:37 · 183 阅读 · 0 评论 -
python 图像处理——图像读取方法总结
Python各类图像库的图片读写方式总结原创 2020-03-17 11:45:18 · 295 阅读 · 0 评论 -
Deep Learning for Computer Vision with Python
三个模块解读1. Starter Bundle2. Practitioner Bundle3. ImageNet BundleStarter BundlePractitioner BundleImageNet Bundle1. Starter Bundle2. Practitioner Bundle3. ImageNet Bundle原创 2020-03-14 09:03:44 · 716 阅读 · 0 评论 -
理解深度学习基础——神经网络的起源和发展
神经网络机器学习与深度学习神经网络的发展历史线:1943:形式神经元模型(M-P模型),并在物理网络得以实现——开启了神经网络研究的序幕。(1)机器学习的目的特征表示(2)深度学习的任务/优势浅层学习——深度学习(3)深度学习的改进/方向参数少模型简单效果好...原创 2020-03-12 09:57:56 · 5432 阅读 · 0 评论 -
Keras 深度学习攻略两篇(2):迁移神经网络的实际使用(问题记录)
深度迁移学习攻略2.1 应对过拟合数据增强2.2 评价指标:准确率合适么?交叉验证迁移学习2.3 如何提高迁移学习的效果模型/特征融合2.4 输入数据的格式(大小、通道数)模型小型化(降维)2.4 分析与可视化模型的可视化训练过程可视化特征图/模型可视化模型保存2.1 应对过拟合应对过拟合的方法:(1)增大可以用于训练的数据量数据增强增加数据样本(爬虫、多个数据集、迁移学习-预训...原创 2020-03-11 19:03:39 · 1331 阅读 · 0 评论 -
Keras 深度学习攻略两篇(1):十种卷积神经网络(CNN)框架——总结与可视化分析
目录1. 典型深度学习框架概述可视化解读十种CNN框架2. 深度迁移学习攻略应对过拟合数据增强十种卷积神经网络框架1. 典型深度学习框架概述论文发表时间:- Keras 可以使用的6种模型现在已经不止6种:Keras Documentation“[m]ost of this progress is not just the result of more powerful ha...原创 2020-03-08 17:23:45 · 1606 阅读 · 0 评论 -
用 Keras 快速上手深度学习(带实际案例)
目录1. Keras 简介1.1 Keras的重要APIlayersactivationslossesmetricsoptimizersmodelsbackendcallbacks1.2 网络建立过程2. 代码实例1. Keras 简介Keras是一个高层神经网络API,Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生,能...原创 2020-03-07 16:48:27 · 1301 阅读 · 0 评论 -
深度学习项目——表情识别(2)卷积基础和常用卷积模型
目录1. 图像基础1.1 图像如何存储在计算机中1.2 传统的图像处理2. 卷积的基本构件2.1 卷积层2.1.1 全连接神经网络 处理图像的问题2.2 卷积的基本构件卷积层的特性2.3 卷积层的几个重要概念2.2 池化层2.3 CNN架构设计原则3. 卷积的经典结构1. 图像基础1.1 图像如何存储在计算机中灰度图:矩阵0:黑色1:白色0-255:灰色彩色图:三个矩阵的叠...原创 2020-03-04 21:33:41 · 1617 阅读 · 0 评论 -
从本质上理解卷积
从本质(图像处理角度)理解卷积如何通俗易懂地解释卷积? - 马同学的回答 - 知乎从本质(信号分析角度)理解卷积从本质(信号分析角度)理解卷积...原创 2020-03-05 10:49:33 · 211 阅读 · 0 评论 -
从本质(信号分析角度)理解卷积
深度学习中的”卷积“是个怎么都绕不过去的话题,在此记录一下卷积相关的知识点,以供复习:一切要回归基础与本质。信号处理1.基本概念1.1 时域和频域时域和频域的概念时域:时域是真实世界,是惟一实际存在的域。频域:频域是一个遵循特定规则的数学范畴,频域也被一些学者称为上帝视角。以信号为例,信号在时域下的图形可以显示信号如何随着时间变化,而信号在频域下的图形(一般称为频谱)可以显...原创 2019-12-25 16:56:19 · 4917 阅读 · 2 评论