hairuiJY

深度学习中，经常出现摆数的要求； 经常会对数据的不同格式出现疑惑，这里记录下来； 说到的NHWC或者 NCHW其中每个代表的含义如下： N代表数量， C代表channel，H代表高度，W代表宽度。 1、NCHW其实代表的是[W H C N]， 第一个元素是000，第二个元素是沿着w方向的，即001，这样下去002 003，再接着呢就是沿着H方向，即004 005 006 007…这样到019后，...

1、查看cuda版本 cat /usr/local/cuda/version.txt 2、查看cudnn版本 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 根据输出判断：eg： #define CUDNN_MAJOR 5 #define CUDNN_MINOR 1 #define CUDNN_PATCHLEV...

tensorflow安装： pip install tensorflow -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com keras安装： pip install keras -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com ...

问题复现： 解决方案： pip install wrapt --ignore-installed

RCNN： RCNN（Regions with CNN features）是将CNN方法应用到目标检测问题上的一个里程碑，由年轻有为的RBG大神提出，借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测问题的转化。         算法可以分为四步：         1）候选区域选择         Region Proposal是一类传统的区域提取方法，可...

转自量子心 卷积神经网络（CNN）不仅能用来对图像进行分类，还在图像分割任务重有着广泛的应用。 DhruvParthasarathy就职于Athelas，一家专注于深度学习技术的医疗健康公司。他在Medium上发布了一篇博客文章，介绍了在具体的图像分割任务中如何应用卷积神经网络，来得到更好的效果。 以下内容编译自Parthasarathy文章： 自从深度学习鼻祖Geoff Hinton

摘自：一位大牛的回答 图1 机器学习界的执牛耳和互联网界大鳄的联姻 这幅图上的三人是当今机器学习界的执牛耳者。中间的是Geoffrey Hinton, 加拿大多伦多大学的教授，如今被聘为“Google大脑”的负责人。右边的是Yann LeCun, 纽约大学教授，如今是Facebook人工智能实验室的主任。而左边的大家都很熟悉，Andrew Ng，中文名吴恩达，斯坦福大学副教

转自：机器之心 引言 先坦白地说，有一段时间我无法真正理解深度学习。我查看相关研究论文和文章，感觉深度学习异常复杂。我尝试去理解神经网络及其变体，但依然感到困难。 接着有一天，我决定一步一步，从基础开始。我把技术操作的步骤分解开来，并手动执行这些步骤（和计算），直到我理解它们如何工作。这相当费时，且令人紧张，但是结果非凡。 现在，

https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650728746&idx=1&sn=61e9cb824501ec7c505eb464e8317915&scene=0#wechat_redirect 感谢机器之心的翻译！保存下来以便以后复习方便一些！ 近日，Dishashree Gupta 在 Analyticsvidh

转自：http://blog.csdn.net/qq_32224767/article/details/69945733 本篇文章主讲这篇博客中的（http://blog.csdn.net/sinat_30071459/article/details/50546891）的这个部分，如图所示      注：截图来自 小咸鱼_ 的博客。 也就是说本文重点教你如何去编

CNN&RELU&POOL 感觉没有比这篇文章讲的更详细了：https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/ What are Convolutional Neural Networks and why are they important? Convolutional Neural Networks

http://blog.csdn.net/bailufeiyan/article/details/50575150(感谢大神们) Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 这篇文章讲述了 Faster R-CNN,介绍了 RPN、Translation-Invar

http://www.cnblogs.com/skyfsm/p/6806246.html（没看一遍都会有新的收获，感谢大神们的总结，愿大神们更大神） object detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围

转自：http://www.dataguru.cn/article-11219-1.html 最近，物体识别已经成为计算机视觉和 AI 最令人激动的领域之一。即时地识别出场景中所有的物体的能力似乎已经不再是秘密。随着卷积神经网络架构的发展，以及大型训练数据集和高级计算技术的支持，计算机现在可以在某些特定设置（例如人脸识别）的任务中超越人类的识别能力

http://blog.csdn.net/solomon1558/article/details/41760207     机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。 一、学习方式     根据数据类型的不同，对一个问题的建模有不同的方式。