ProYH

tensorflow官方教程: 卷积神经网络CNN在数据集CIFAR-10上分类本文主要包含如下内容：tensorflow官方教程 卷积神经网络CNN在数据集CIFAR-10上分类训练测试代码自拟训练代码  本篇博客来自原始英文教程原始教程，你可以参照原始教程以及本篇博客进行学习。   官方原始教程中首先介绍了CIFAR-10 数据集，然后介绍了卷积神经网络模型

caffe solver.prototxt AND 梯度下降算法本文主要包含如下内容：caffe solverprototxt AND 梯度下降算法solverprototxt介绍及流程solverprototxt优化算法选择批量梯度下降法BGD和 随机梯度下降法SGDSGD随机梯度下降法AdaGrad自适应性梯度下降法AdaDeltaAdaGrad的扩展RMASpropAdadelt

caffe 显示各类 accuracy(含 accuracy_layer 源码修改)Tags： Deep_Learning本文主要包含如下内容：caffe 显示各类 accuracy含 accuracy_layer 源码修改方式一修改 prototxt 文件方式二直接修改 accuracy_layercpp 源码accuracy_layercpp 源码accuracy_layercpp 源码

Deep Learning 基础 – 类别不均衡问题本文主要包含如下内容：Deep Learning 基础 – 类别不均衡问题类别不均衡问题扩大数据集阈值移动重采样（resampling）欠采样（undersampling）过采样（oversampling）改变性能评价标准尝试不同的分类算法对模型进行惩罚Label Shuffing类别...

Deep Learning 基础 – 训练集、验证集、测试集Tags： Deep_Learning本文主要包含如下内容：Deep Learning 基础 – 训练集、验证集、测试集训练集、验证集、测试集  参考博客训练集、验证集、测试集  训练集仅仅用于训练，验证集则纯粹用于超参数的调节，而测试集用于验证训练模型的泛化能力。   验证集多次...

Deep Learning 基础 – 混淆矩阵、准确率、召回率、F1-ScoreTags： Deep_Learning本文主要包含如下内容：Deep Learning 基础 – 混淆矩阵、准确率、召回率、F1-Score混淆矩阵、准确率、召回率、F1-Score混淆矩阵准确率、召回率P-R曲线、F1-ScoreAP、MAPTPR、FPR、TNRROC、AUC...

Deep Learning 基础 – 防止过拟合/预训练模型Tags： Deep_Learning本文主要包含如下内容：Deep Learning 基础 – 防止过拟合/预训练模型发生过拟合的原因防止过拟合（过拟合无法避免）引入正则化Dropout提前终止交叉验证增加样本量(数据增广)批量归一化(BN:Batch Normalization)预训练模型/迁移学...

Deep Learning 基础 – 梯度爆炸与消失Tags： Deep_Learning本文主要包含如下内容：Deep Learning 基础 – 梯度爆炸与消失梯度爆炸与消失为什么使用梯度更新梯度爆炸/消失的原因解决方法梯度爆炸与消失  定义:在反向传播的算法过程中，由于我们使用了是矩阵求导的链式法则，有一大串连乘，如果连乘的数字在...

Deep Learning 基础 – 激活函数/损失函数Tags： Deep_Learning本文主要包含如下内容：Deep Learning 基础 – 激活函数/损失函数激活函数Sigmoid非线性函数Tanh非线性函数ReLU激活函数Leaky ReLU激活函数Exponential Linear Units (ELU)Maxout激活函数损失函数MS...

tensorflow官方教程: 建立新的卷积神经网络本文主要包含如下内容：tensorflow官方教程 建立新的卷积神经网络建立CNN MNIST分类器培训和评估CNN MNIST分类器  本篇博客来自原始英文教程原始教程，你可以参照原始教程以及本篇博客进行学习。   官方原始教程中首先介绍了一般CNN网络，即卷积神经网络。若不清楚的你可以自行阅读原文，这里，我

tensorflow官方教程:重新训练模型的最后一层，以应对新分类本文主要包含如下内容：tensorflow官方教程重新训练模型的最后一层以应对新分类针对Flowers数据集重新训练Inception模型针对Flowers数据集,重新训练Inception模型     首先,在训练开始之前,你需要准备数据集,按照如下操作下载数据集.cd ~cur

tensorflow官方教程：运用模型对类别进行预测本文主要包含如下内容：tensorflow官方教程运用模型对类别进行预测python版本C代码  本教程将会教你如何使用Inception-v3。你将学会如何用Python或者C++把图像分为1000个类别.python版本  本段代码为tensorflow的教程代码.在开始运用模型Incepti

tensorflow的搭载与安装本文主要包含如下内容：tensorflow的搭载与安装Ubuntu下搭载tensoflow从源码安装 tensorflow将tensorflow应用于目标检测目标检测测试代码object_detection_tutorialipynbUbuntu下搭载tensoflow  github官方教程，可以参照官方教

caffe源码本文主要包含如下内容：caffe源码caffeprotoproto源码粘贴重要部分commonhpp和commoncppcommonhppinternal_threadhpp和internal_threadcppinternal_threadhppinternal_threadcppblobhpp和blobcppblobhppblobc

Deep Learning 基础 – 偏差、方差、噪声Tags： Deep_Learning本文主要包含如下内容：Deep Learning 基础 – 偏差、方差、噪声偏差、方差、噪声  参考博客偏差、方差、噪声  泛化误差主要可以分解为三个误差：偏差、方差、噪声      期望：在一个训练集 D 上模型 f 对测试样本 x 的预测输出...