深度学习_deep learning
文章平均质量分 84
tina_ttl
这个作者很懒,什么都没留下…
展开
-
cnn常用参数记录
1. epoch在代码中经常见到n_epochs这个参数,该参数到底是什么意思呢?答案如下:在一个epoch中,所有训练集数据使用一次one epoch = one forward pass and one backward pass of all the training examples2. batch_size一般情况下,一个训练集中会有大量的samples,为了提高训练原创 2016-04-01 10:34:15 · 3398 阅读 · 2 评论 -
(转载)Convolutional Neural Networks卷积神经网络
Convolutional Neural Networks卷积神经网络Contents一:前导 Back Propagation反向传播算法网络结构学习算法二:Convolutional Neural Networks卷积神经网络三:LeCun的LeNet-5四:CNNs的训练过程五:总结本文是我在20140822的周报,其中部分参照了以下博文或转载 2016-04-01 10:30:33 · 1228 阅读 · 0 评论 -
(转载)图像处理(卷积)
图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应)这里讨论利用输入图像中像素的小邻域来产生输出图像的方法,在信号处理中这种方法称为滤波(filtering)。其中,最常用的是线性滤波:输出像素是输入邻域像素的加权和。 1.相关算子(Correlation Operator) 定义:, 即 ,其中h称为相关核(Kernel). 步转载 2016-04-01 10:30:31 · 2145 阅读 · 0 评论 -
深度学习领域相关资料
本文转载自https://github.com/kjw0612/awesome-deep-vision/blob/master/README.mdAwesome Deep Vision A curated list of deep learning resources for computer vision, inspired by awesome-php and awesome-computer-转载 2016-05-12 16:46:08 · 5776 阅读 · 0 评论 -
UFLDL教程之(三)PCA and Whitening exercise
Exercise:PCA and Whitening第0步:数据准备UFLDL下载的文件中,包含数据集IMAGES_RAW,它是一个512*512*10的矩阵,也就是10幅512*512的图像(a)载入数据利用sampleIMAGESRAW函数,从IMAGES_RAW中提取numPatches个图像块儿,每个图像块儿大小为patchSize,并将提取到的图像块儿按列存放,分别存放在原创 2016-04-01 10:30:57 · 1230 阅读 · 4 评论 -
《Neural Network and Deep Learning》学习笔记-hyper-parameters
本系列笔记为《Neural Network and Deep Learning》学习笔记本系列笔记汇总 各种待续中…… 第一章 第二章 第三章 Improving the way neural networks learn 3.1 交叉熵代价函数 3.2 正则化方法 3.3 权值初始化 3.4 hyper-parameters选取 3.5 一些其他技术 第四章 可视化原创 2016-06-07 15:34:20 · 5736 阅读 · 0 评论 -
computer vision一些术语-目标识别、目标检测、目标分割、语义分割等
What is the difference between object detection, semantic segmentation and localization?object recognition目标识别object detection目标检测Object Segmentation目标分割Image Segmentation图像分割semantic segmentation原创 2016-07-15 11:01:52 · 9700 阅读 · 0 评论 -
深度学习优质资料记录中...
关于网络可视化papersProjectsBlogsTools1.关于网络可视化来自:Visualize Convolutional Neural NetworkpapersDeconvolutional Networkspaper: http://www.matthewzeiler.com/pubs/cvpr2010/cvpr2010.pdfVisualizing and Unders原创 2016-07-04 10:35:09 · 1014 阅读 · 0 评论 -
深度学习资料记载中...
关于网络可视化papersProjectsBlogsTools相关课程转自githuab的Deep learning相关资料超棒Awesome Deep Vision ContributingSharingTable of ContentsPapersImageNet ClassificationObject DetectionVideo ClassificationO原创 2016-07-26 14:53:13 · 6400 阅读 · 0 评论 -
Visualizing and Understanding Convolutional Networks
Matthew D. Zeiler,Rob Fergus. Visualizing and Understanding Convolutional Networks.CVPR2014.论文下载推荐一篇比较好的blog: Visualizing Features from a Convolutional Neural Network( github-tensorFlow程序)下面是转载的一篇关于D转载 2016-07-27 19:47:00 · 28704 阅读 · 15 评论 -
Devolutional network阅读笔记
Matthew D. Zeiler, Dilip Kirshnan, Graham W. Taylor, and Rob Fergus. Deconvolutional Network.Computer Vision and Pattern Recognition (June 13-18, 2010) 论文下载 Code Images Videos简单理解,可能有些地方理解的不到位,还望大家多多原创 2016-07-27 15:12:54 · 1000 阅读 · 0 评论 -
(转载)深度学习三十年创新路
转载自:http://36kr.com/p/533832.html编者注:深度学习火了,从任何意义上,大家谈论它的热衷程度,都超乎想象。但是,似乎很少有人提出不同的声音,说深度学习的火热,有可能是过度的繁荣,乃至不理性的盲从。而这次,有不同的想法出现了。本篇文章来自依图科技 CEO Leo的投稿,依图科技是一家专注研究CV(Computer Vison,计算机视觉)的以技术驱动的创业公司,转载 2016-04-01 10:30:09 · 1018 阅读 · 0 评论 -
(转载)卷积神经网络
卷积神经网络转载自:http://blog.csdn.net/stdcoutzyx/article/details/41596663自今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN),期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用,特写此博文,以其与人交流,互有增转载 2016-04-01 10:30:19 · 578 阅读 · 0 评论 -
deep learning framework(不同的深度学习框架)
常用的deep learning frameworks基本转自:http://www.codeceo.com/article/10-open-source-framework.html1. Caffe基于C++开发2. Theano大部分代码是使用CYthon开发的,主页有很详细的教程,在github上有Theano的软件包,另外还有一份pdf的tutorial基于th原创 2016-04-01 10:33:10 · 3129 阅读 · 1 评论 -
UFLDL教程(六)之栈式自编码器
第0步:初始化一些参数和常数 第1步:利用训练样本集训练第一个稀疏编码器 第2步:利用训练样本集训练第二个稀疏编码器 第3步:利用第二个稀疏编码器提取到的特征训练softmax回归模型 第4步:利用误差反向传播进行微调 第5步:利用测试样本集对得到的分类器进行精度测试 下面将程序实现过程中的关键代码post出,欢迎各位网友指点!stackedAE原创 2016-04-01 10:31:28 · 4284 阅读 · 0 评论 -
多层自编码器的微调
多层自编码器由多个稀疏自编码器和一个Softmax分类器构成;(其中,每个稀疏自编码器的权值可以利用无标签训练样本得到, Softmax分类器参数可由有标签训练样本得到)多层自编码器微调是指将多层自编码器看做是一个多层的神经网络,利用有标签的训练样本集,对该神经网络的权值进行调整。1多层自编码器的结构多层自编码器的结构如图1所示,它包含一个具有2个隐藏层的栈式自编码器和1个softmax模原创 2016-04-01 10:31:25 · 6914 阅读 · 1 评论 -
梯度检验!
梯度检验是在编写机器学习算法时必备的技术,可以检验所编写的cost函数是否正确cost函数的主要功能是:计算代价函数、计算代价函数对参数的梯度实际程序中,梯度检验要配合cost函数一起使用,可以将该部分单独放在一个测试函数checkCost() 中 ① 给定一组样本及参数初始值 ② 利用cost函数计算grad ③ 利用computeNumericalGra原创 2016-04-01 10:31:23 · 1923 阅读 · 0 评论 -
UFLDL教程(四)之Softmax回归
关于Andrew Ng的machine learning课程中,有一章专门讲解逻辑回归(Logistic回归),具体课程笔记见另一篇文章。下面,对Logistic回归做一个简单的小结:给定一个待分类样本x,利用Logistic回归模型判断该输入样本的类别,需要做的就是如下两步:① 计算逻辑回归假设函数的取值hθ(x),其中n是样本的特征维度② 如果hθ(x)>=0.5,则x输入原创 2016-04-01 10:31:14 · 1897 阅读 · 0 评论 -
Coursera《machine learning》--(6)逻辑回归
六 逻辑回归(Logistic Regression:LR) 逻辑回归(Logistic Regression, LR)模型其实仅在线性回归的基础上,套用了一个逻辑函数,但也就是由于这个逻辑函数,使得逻辑回归模型成为了机器学习领域一颗耀眼的明星,更是计算广告学的核心。6.1 分类问题(Classification)本小节开始介绍分类问题(该问题中要预测的变量y是离散值),同时,还要学习原创 2016-04-01 10:31:04 · 1308 阅读 · 0 评论 -
UFLDL教程(五)之self-taught learning
这里所谓的自学习,其实就是利用稀疏自编码器对无标签样本学习其特征 该自学习程序包括两部分:稀疏自编码器学习图像特征(实现自学习)---用到无标签的样本集softmax回归对样本分类---用到有标签的训练样本集 准备工作下载Yann Lecun的MNIST数据集,本程序用到了如下的两个数据集: 第0步:设置神经网络的结构该神经网络包括三层:输入原创 2016-04-01 10:30:59 · 2740 阅读 · 1 评论 -
UFLDL教程之(一)sparseae_exercise
下面,将UFLDL教程中的sparseae_exercise练习中的各函数及注释列举如下 首先,给出各函数的调用关系主函数:train.m(1)调用sampleIMAGES函数从已知图像中扣取多个图像块儿(2)调用display_network函数,以网格的形式,随机显示多个扣取的图像块儿(3)梯度校验,该部分的目的是测试函数是否正确,可以由单独的函数checkSparse原创 2016-04-01 10:30:43 · 843 阅读 · 0 评论 -
机器学习、深度学习的相关资料
下面对查阅学习机器学习、深度学习过程中搜集到的一些比较好的资料整理如下,与大家分享,如果有朋友有更好的资料,也请告诉我,谢谢大家课程资料coursera上的台大《机器学习技法》coursera上的台大《机器学习基石》多伦多大学的《Neural Networks for Machine Learning》原创 2016-04-01 10:30:22 · 396 阅读 · 0 评论 -
卷积神经网络
阅读网页发现,要学习深度学习,应该首先对卷积神经网络(Convolutional Neural Networks,简称CNN)开始,卷积神经网络由Yann LeCun提出,LeCun在2013年底加入Facebook负责新成立的人工智能实验室。下面给出一些关于CNN的较好(也就是对初学者较易理解)的博文等资料(1)卷积神经网络该博文中有对CNN的三点个人认识,还不错,列举如下:原创 2016-04-01 10:30:16 · 584 阅读 · 0 评论 -
应该如何入门deep learning呢?从UFLDL开始!
抱歉,大家,这里不是要分享如何学习deep learning,而是想要记录自己学习deep learning的小历程,算是给自己的一点小动力吧,希望各位业内前辈能够多多指教!看到有网友提到,Andrew Ng的网页教程UFLDL Tutorial是入门不错的教程,好吧,试着从这里开始吧,加油!UFLDL即Unsupervised Feature Learning and Deep Lear原创 2016-04-01 10:30:07 · 974 阅读 · 1 评论 -
windows7+visual studio 2013+CUDA7.5 编译caffe+配置matcaffe+配置pycaffe
经过朋友指导,终于成功在windows7上成功编译了caffe,这里将编译过程记录安装文件准备1 visual studio 2013安装包下载2 CUDA75 optional3 windows版本caffe4 下载cuDNN optional5 下载Anaconda安装包 optional6 下载Matlab安装包 optional安装visual studio 2013安装c原创 2016-06-25 00:54:49 · 26761 阅读 · 15 评论