Hugsy19-CSDN博客

原创【OpenVINO】将TensorFlow模型转成IR文件，并部署到NCS2上运行

TensorFlow模型自己写一个AlexNet模型，参见模型转换将模型专为pb文件:inputs = tf.placeholder(tf.float32, [1, 227, 227, 3])model = AlexNetModel()score = model.inference(inputs)softmax = tf.nn.softmax(score, name='prob')...

2019-05-06 09:33:04 6492 9

原创用TensorFlow实现AlexNet，并完成Kaggle上的Dogs Vs Cats竞赛

总体架构AlexNet的总体架构如下所示：整个网络总共有八层，其中前五层为卷积层，后面三层为全连接层；用了两个GPU（GTX 580，3G内存）进行训练，因此整个架构被平均分成了两部分，除了第二层与第三层是跨GPU进行连接，其他卷积层都只和各自的GPU内的前一层进行连接；在第一、二个卷积层后进行现在并不常用的局部响应归一化（local response normalizati...

2019-05-05 22:15:22 521

原创【Algs4】算法(2)：栈和队列

原文链接实际编程时，经常需要维护某个对象的集合，对集合中的对象的表示方式，往往决定着对它们进行各种操作时的效率。这里介绍一些数据结构相关的基本概念以及两种最基本的数据结构–栈和队列。数据结构数据结构（data structure）是指相互之间存在着一种或多种关系的数据元素的集合，它包括数据的逻辑结构、存储结构及数据的运算这三方面的内容。逻辑结构指的是数据元素之间的逻辑关系，它独立于计算机...

2019-03-25 16:08:13 268 1

原创树莓派(1)：入门

原文连接入手一块树莓派3B+，准备用它完成毕业设计，顺便深入学习一波Linux。这里，先学习官方Raspbian系统的烧录和基本配置过程。系统烧录树莓派要用SD卡启动，所以最好有一张16G以上的内存卡，将系统烧录在其中，它也将作为树莓派的硬盘。基于开源特性，树莓派支持很多系统，如Ubuntu、Chrome OS、Android、Window IOT甚至是与PC功能一致的Window 1...

2019-03-25 15:57:58 1072

原创【Algs4】算法(1)：Union-Find

原文链接在计算机科学（Computer Science，CS）领域，算法（Algorithm）是描述一种有限、确定、有效，并且适合用计算机语言来实现的解决问题的方法，它是CS领域的基础与核心。这里先通过一个动态连通性问题，来了解设计、分析算法的基本过程。动态连通性问题描述动态连通性问题的描述如下：问题的输入是一系列的整数对，每个整数都能代表某种对象。当有输入一对整数p、q时，则说明p、q...

2019-03-25 15:53:47 239

原创【吴恩达】机器学习(2)：Logistic回归

原文链接这里主要介绍Logistic回归模型及正则化。分类问题在分类问题中，预测的值是离散的。例如要实现一个垃圾邮件分类器，那么该分类器最后输出的结果应该只有两种–是垃圾邮件或者不是，而不像前面学习过的回归问题那样，输出的结果是与输入一一对应的连续值。分类问题中，最简单的是二分类（binary classification）问题，其分类结果只有两种，一般选其中一类作为正类（positive...

2019-03-25 15:49:12 529 3

原创【吴恩达】机器学习(1)：线性回归

原文链接这里介绍机器学习的基本概念以及线性回归模型。基本概念1959年，IBM科学家Arthur Samuel开发了一个跳棋程序。通过这个程序，塞缪尔驳倒了普罗维登斯提出的机器无法超越人类，像人类一样写代码和学习的模式。他创造了“机器学习”，并将它定义为**“可以提供计算机能力而无需显式编程的研究领域”**。1998年，卡内基梅隆大学的Tom MitChell给出了一种更为形式化的定义：假...

2019-03-24 21:33:10 491

原创【吴恩达deeplearning.ai】深度学习(11)：序列模型

采用循环神经网络能够建立各种各样的序列模型（Sequence Model）。加入一些注意力机制，能够使这些序列模型更加强大。Seq2Seq模型2014年Cho等人在论文[Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation]中首次提出了Seq2Seq（S...

2018-03-22 13:54:48 1052

原创【吴恩达deeplearning.ai】深度学习(10)：自然语言处理

自然语言处理（Natural Language Processing，NLP)是人工智能和语言学领域的学科分支，它研究实现人与计算机之间使用自然语言进行有效通信的各种理论和方法。词嵌入前面介绍过，处理文本序列时，通常用建立字典后以one-hot的形式表示某个词，进而表示某个句子的方法。这种表示方法孤立了每个词，无法表现各个词之间的相关性，满足不了NLP的要求。词嵌入（Word Em...

2018-03-22 13:48:03 2572

原创【吴恩达deeplearning.ai】深度学习(9)：循环神经网络

随深度学习技术的发展，使用循环神经网络（Recurrent Neural Network，RNN）建立的各种序列模型，使语音识别、机器翻译及自然语言理解等应用成为可能。表示与类型自然语言、音频等数据都是前后相互关联的数据，比如理解一句话要通过一整句而不是其中的几个词，分析一段音频要通过连续的片段而不是其中的几帧。前面所学的DNN以及CNN处理的都是前后毫无关联的一个个单独数据，对于这些...

2018-03-22 13:39:22 1350

原创【吴恩达deeplearning.ai】深度学习(8)：卷积神经网络的应用

认识了解了卷积神经网络的工作原理及其一些经典的网络结构后，这里介绍如何应用卷积神经网络，实现目标检测、人脸识别及神经风格转换。目标检测图像识别中，目标检测的任务，是对输入图像样本准确进行分类的基础上，检测其中包含的某些目标，并对它们准确定位并标识。目标定位图像分类问题一般都采用Softmax回归来解决，最后输出的结果是一个多维列向量，且向量的维数与假定的分类类别数一致。在此...

2018-02-12 21:55:56 4601

原创【吴恩达deeplearning.ai】深度学习(7)：卷积神经网络

计算机视觉（Computer Vision)是一门研究如何教机器“看”的科学，计算机视觉研究相关的理论和技术，试图创建能够从图像或者多维数据中获取“信息”的人工智能系统。随着深度学习技术的发展，计算机视觉领域的研究也得到了快速的发展。在对各种图像进行处理的过程中，往往在少量的图像中便蕴含着大量的数据，难以用一般的DNN进行处理。而卷积神经网络（Convolutional Neural Netw...

2017-12-11 13:01:55 1187

原创单片机原理(4)：系统扩展、外围接口

当单片机内部功能不能满足应用系统的要求，经需要在片外连接相应的外围芯片以满足应用系统的要求的过程，叫做系统扩展。通过外围接口技术，可以通过单片机来控制LED数码管、键盘、LCD显示屏等外部设备以及进行A/D、D/A转换，使单片机应用在更为广泛的领域。

2017-11-29 16:54:44 7834

原创单片机原理(3)：中断、定时/计数、串行通信

中断（Interrupt）是指在计算机运行过程中，出现某些意外情况需主机干预时，机器能自动停止正在运行的程序并转入处理新情况的程序，处理完毕后又返回原被暂停的程序继续运行。定时器/计数器（Timer/Counter）在实时控制系统中，实现对于外界事件的定时延时及计数功能。串行通信（Serial Communicate）是计算机与外界交换信息的一种基本通信方式。

2017-11-29 16:48:37 5332

原创单片机原理(2)：程序设计

指令系统是计算机硬件的语言系统，也叫机器语言，它是软件和硬件的主要界面，从系统结构的角度看，它是系统程序员看到的计算机的主要属性。指令系统表征了计算机的基本功能，决定了机器所要求的能力，也决定了指令的格式和机器的结构。51系列单片机一般使用汇编语言（Assembly Language）直接编程，其指令系统中，有进行数据传送、算术运算、逻辑运算、位操作、控制传递等功能的111条基本指令。此外也可以采用C语言进行程序

2017-11-29 16:12:44 1457

原创单片机原理(1)：基本结构

单片微型计算机（Single Chip Microcomputer）简称单片机，是把组成微型计算机的主要功能部件（CPU、RAM、ROM、I/O口、定时/计数器、串行口等）集成在一块芯片中，构成一个完整的微型计算机。单片机主要面对测控对象，突出的是控制功能，所以它的芯片内集成了很多面向测控对象的接口电路，如ADC（Analog to Digital Converter，模数转换器）

2017-11-25 21:52:51 5875 1

原创【吴恩达deeplearning.ai】深度学习(6)：结构化机器学习项目

构建好一个机器学习系统并获得一些初步结果时，为得到最令人满意的结果，后续往往还需要进行大量的改进。如前面优化神经网络中所述，改进的方法多种多样，可能是收集更多的数据，或者是进行正则化，或者是采用不同的优化算法。想要找准改进的方向，使一个机器学习系统更快更有效地工作，需要学习一些在构建机器学习系统时常用到的策略。正交化构建机器学习系统的挑战之一就是其中有很多你可以尝试、更改的东西，例...

2017-11-18 16:36:58 769

原创【吴恩达deeplearning.ai】深度学习(5)：TensorFlow

每次都从零开始全部靠自己去建立一个深层神经网络模型并不现实，借助现在众多流行的深度学习框架，能够高效地实现这些模型。TensorFlow便是其中之一。 TensorFlowTensorFlow是Google基于DistBelief进行研发的第二代人工智能学习系统，是一个使用数据流图进行数值计算的开源软件库。其命名来源于本身的运行原理，Tensor(张量)意味着N维数组，Flow（流）意味...

2017-10-15 15:04:42 1327

原创【吴恩达deeplearning.ai】深度学习(4)：优化神经网络(2)

想提高一个深层神经网络的训练效率，需从各个方面入手，优化整个运算过程，同时预防其中可能发生的各种问题。本文涉及优化深层神经网络中的几种梯度下降法，梯度下降中的Momentum、RMSProp、Adam优化算法及学习率衰减，批标准化等内容。梯度下降法批梯度下降法（BGD）批梯度下降法（Batch Gradient Descent，BGD）是最常用的梯度下降形式，前面的Logi...

2017-10-07 18:02:59 876

原创【吴恩达deeplearning.ai】深度学习(3)：优化神经网络(1)

想提高一个深层神经网络的训练效率，需从各个方面入手，优化整个运算过程，同时预防其中可能发生的各种问题。本文涉及优化深层神经网络中的数据划分，模型估计，预防过拟合，数据集标准化，权重初始化，梯度检验等内容。数据划分想要建立一个神经网络模型，首先，就是要设置好整个数据集中的训练集（Training Sets）、开发集（Development Sets）和测试集（Test Sets）。...

2017-10-02 18:04:15 1653 1

原创【吴恩达deeplearning.ai】深度学习(2)：神经网络

神经网络（Neural Network）的构筑理念是受到生物神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法得以优化，所以人工神经网络也是数学统计学方法的一种实际应用。和其他机器学习方法一样，神经网络已经被用于解决各种各样的问题，例如机器视觉和语音识别。这些问题都是很难被传统基于规则的编程所解决的。神经网络机器学习领域所说的神经网络指的是一种模...

2017-09-28 15:43:42 2034 2

原创【吴恩达deeplearning.ai】深度学习(1)：逻辑回归

深度学习（Deep Learning）是机器学习（Machine Learning）的一大分支，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。逻辑回归（Logistic Regression，也译作“对数几率回归”）是离散选择法模型之一，属于多重变量分析范畴，是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。符...

2017-09-13 15:58:17 7226 20

Pyrohjewel