skyllerone的博客

pytorch Dataset

如果不用指数函数的话，其实仓鼠得分和白面包的得分是差不多的，但指数增长的特性就是，横轴变化很小的量，纵轴就会有很大的变化。所以，从1.9变化到2.1，经过指数的运算，两者的差距立马被的拉大了。这个算法又是如何将神经网络推理的数值，转换为一个类别的分类的呢？的关系，我们知道卷积是对图像的局部区域进行连接，通过卷积核完成的是感受野内的长宽方向以及channel 方向的数据连接。它的每次完成的是所有channel方向的连接，它看到的是。仓鼠的得分是2.1，白面包的得分是1.9，猫的得分是0.1。

上一篇文章我们讲到过可以通过控制卷积层的个数来提取图像的不同特征，但是事实上卷积是一种线性运算，更准确的说是一种线性加权运算，而线性运算是可以叠加的，也就是说假设我们用的Resnet50网络，那么这50个卷积层就退化成了一个很复杂的线性网络，但是无论他怎么复杂，他都是一个线性网络。判断一个激活函数的好与坏，绝不仅仅是从函数的数学表达式上来判断，而是需要在实际的深度学习网络中不断地实验和实践，来找到最适合这个网络的激活函数。，池化对于输入的图片，选择某种方式对其进行压缩，以加快神经网络的运算速度。

在谈卷积之前，我们先来了解一下人是怎么认识物体的。人脑是个非常复杂的结构，是由无数个神经元连接起来，每个神经元都有自己负责记忆的东西。当人眼看到物体的时候，视神经就会将看到的东西一步一步往后传直到脑神经。当然，神经元不可能总是处于激活态。假设你眼睛看见了一只狗狗，那记住狗的神经元就会一层一层的传递下去信息”这是一只狗“，直到在最后输出”狗“的结论。每个神经元都记忆着不同的东西，只有当遇到他认识的物体的时候，才会激活，否则就是静止。那么换算到计算机中，很容易想到，激活就是乘1操作，静止就是乘0操作。

众所周知，图像是由像素构成的，像素越多，图片就越清晰，我们能获取到的信息就越多，不然那么多手机大厂疯狂宣传自己的像素有多高有多高干啥呢。但是我们人对于图像的识别，往往不需要那么多信息特征，比如下面这个MC里面的宝石剑。像素很低吧，但我们就是能认出来这是一个宝石剑，为什么呢？这是因为人们对于图像信息的识别，是建立在对像素局部性分析的基础上的。所谓局部性，通俗点说，就是眼睛或大脑会将相邻的像素或大片的像素连接起来分析，从而将剑身，剑柄组合起来，从而得出他是一个宝石剑的结论。但是只看一个剑柄，好像也不能确

。

arctanx

cosarctanx

机器学习，集成学习

决策树

BATCH和BUF

kmeans和knn

数据分析小白

python爬虫基础

SQL常考语句

数据分析小白

数据分析小白

数据分析小白

表单与通用视图系统

模板

Linux常用的命令查看Ubentu当前版本：lsb_release -a查看虚拟机的IP地址：ifconfig -a检查显卡是否支持GPU运算：ubuntu-drivers devices删除命令：rm强制删除命令不提示：rm-rf批量删除：rm-rf *.whl(. + 文件后缀名)pip临时换源：pip install scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple...

基于51单片机的LED点阵爱心灯模型实现工具：普中科技单核A2型51单片机所需知识储备：8*8LED点阵的工作原理代码展示：