深度学习基础自学
文章平均质量分 58
自己从零学习深度学习,记录自己的学习过程
Expect for future
宝剑锋从磨砺出,梅花香自苦寒来
展开
-
RNN循环神经网络
神经网络基础神经网络可以当做是能够拟合任意函数的黑盒子,只要训练数据足够,给定特定的x,就能得到希望的y,结构图如下:将神经网络模型训练好之后,在输入层给定一个x,通过网络之后就能够在输出层得到特定的y,那么既然有了这么强大的模型,为什么还需要RNN(循环神经网络)呢?RNN结构首先看一个简单的循环神经网络如,它由输入层、一个隐藏层和一个输出层组成:我们现在这样来理解,如果把上面有W的那个带箭头的圈去掉,它就变成了最普通的全连接神经网络。x是一个向量,它表示输入层的值(这里面没有画出来表示神经元节转载 2021-07-14 18:39:52 · 335 阅读 · 0 评论 -
监督学习和无监督学习
机器学习有一类学习方法叫做监督学习,它是说为了训练一个模型,我们要提供这样一堆训练样本:每个训练样本既包括输入特征,也包括对应的输出(也叫做标记,label)。也就是说,我们要找到很多人,我们既知道他们的特征(工作年限,行业…),也知道他们的收入。我们用这样的样本去训练模型,让模型既看到我们提出的每个问题(输入特征),也看到对应问题的答案(标记)。当模型看到足够多的样本之后,它就能总结出其中的一些规律。然后,就可以预测那些它没看过的输入所对应的答案了。另外一类学习方法叫做无监督学习,这种方法的训练样本中只原创 2021-07-14 17:28:27 · 201 阅读 · 0 评论 -
人工智能、机器学习和深度学习的概念及关系
1、人工智能、机器学习和深度学习的概念及关系人工智能、机器学习和深度学习的概念在近些年十分火热,但很多从业者也难以说清它们之间的关系,外行人更是雾里看花。学习深度学习,需要先从三个概念的正本清源开始。三者覆盖的技术范畴是逐层递减的,人工智能是最宽泛的概念,机器学习则是实现人工智能的一种方式,也是目前较有效的方式。深度学习是机器学习算法中最热的一个分支,在近些年取得了显著的进展,并代替了多数传统机器学习算法。所以,三者的关系可用下图表示,人工智能>机器学习>深度学习。**人工智能概念:**原创 2021-07-07 19:21:35 · 4325 阅读 · 0 评论 -
Halcon深度学习—奇异值检测
该方法属于无监督式的深度学习方法,优点:1 无需标注2 只训练正样本3 可以在CPU下进行训练4 具有较快的推断速度适用场景:适合缺陷较为明显的项目注意:设置的ImageWidth、ImageHeight ,以及自己采的图,尽量是32的倍数精确率和召回率说明召回率(recall) == 92.1%,意味着ok图中7.9%被预测为ng精确率(precision) =79.8%,意味着被认为是ok的图中有20.2%的ng图,即ng容易被检测成ok主对角线数值越大越好,副对角线数值越小越转载 2021-07-06 16:33:05 · 1225 阅读 · 0 评论 -
深度学习在图像处理中的应用
目前为止,图像处理已成为深度学习中重要的研究领域,几乎所有的深度学习框架都支持图像处理工具。当前深度学习在图像处理领域的应用可分为三方面:图像处理(基本图像变换)、图像识别(以神经网络为主流的图像特征提取)和图像生成(以神经风格迁移为代表)。本文第一部分介绍深度学习中图像处理的常用技巧,第二部分浅析深度学习中图像处理的主流应用,最后对本文内容进行简要总结。一.深度学习中图像处理的常见技巧目前几乎所有的深度学习框架均支持图像处理工具包,包括Google开发的Tensorflow、Microsoft的CNT原创 2021-06-29 19:45:10 · 9283 阅读 · 6 评论