徐海蛟博士
文章平均质量分 68
徐海蛟博士
徐海蛟博士 华中科技大学计算机博士 数据与软件工程实验室 前外企技术总监CTO 深圳电信培训中心首席技术顾问 高级讲师 高级工程师 杰出讲师 深圳电信数据库Oracle特聘讲师 熟悉大型数据库体系架构 丰富的大型数据库管理设计顾问经验 研究方向- 智能检索 大数据 数据挖掘 社交网络 软件工程 电子商务
展开
-
基于Keras深度学习框架的Cifar-10练习
徐海蛟教学CIFAR-10数据集是由 Hinton 大牛人的两个大弟子 Alex Krizhevsky、Ilya Sutskever 收集的一个用于普适物体识别的数据集,它包含 60000 个32×32的彩色png图像,共有10类:airplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck。前面5万幅png图转载 2017-02-18 21:07:48 · 8089 阅读 · 1 评论 -
基于 VGG16 深度学习预训练权重的图像分类预测实验
徐海蛟教学一直以来,计算科学家在为建立世界上最精确的计算机视觉系统孜孜不倦地努力着,但取得进展的过程却一直如马拉松竞赛般漫长而艰辛。斯坦福大学每年都会举行一个比赛 ILSVR ,邀请谷歌、微软、百度等IT企业使用ImageNet —— 全球最大的图像识别数据库,测试他们的系统运行情况。每年一度的比赛也牵动着各大巨头公司的心弦,过去几年中,系统的图像识别功能大大提高,ImageNet 2原创 2017-02-19 12:25:24 · 16774 阅读 · 4 评论 -
深度网络特定层数据抽取实验
徐海蛟教学VGG-16 是牛津大学视觉几何组(Visual Geometry Group)开发的卷积神经网络结构,该深度学习神经网络赢得了 ILSVR 竞赛(ImageNet)2014的冠军,时至今日,VGG 仍然被认为是一个杰出的视觉模型。今天,我们来做基于 VGG16 深度学习预训练权重的特定层 "block4_pool" 特征数据抽取实验,以便后续进一步处理。原创 2017-02-23 22:09:02 · 1282 阅读 · 0 评论 -
面向小数据集构建图像分类模型
本文地址:http://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html本文作者:Francois Chollet概述在本文中,我们将提供一些面向小数据集(几百张到几千张图片)构造高效、实用的图像分类器的方法。本文将探讨如下几种方法:转载 2017-02-02 13:20:54 · 11524 阅读 · 0 评论 -
如何加速一个网站——web性能三方面[转载]
徐海蛟教学Building a Shop with Sub-Second Page Loads: Lessons Learned利用web缓存和NoSQL系统建立一个应对高访问量的快速网上商店。用户满意度和转化率强相关(hard-wired),并直接影响利润。如何加速一个网站有三大驱动力影响网页应用的页面加载时间:转载 2017-02-02 13:56:31 · 1096 阅读 · 0 评论 -
卷积神经网络CNN基本概念笔记[转载]
徐海蛟教学UNDERSTANDING CONVOLUTIONAL NEURAL NETWORKS FOR NLP卷积卷积就是对矩阵(图像)应用的滑动窗口函数。图中绿色为一个二值图像,每个值代表一个像素(0是黑,1是白)。(更典型的是像素值为0-255的灰阶图像)图中黄色的滑动窗口叫卷积核、过滤器或者特征检测器,也是一个矩阵。我们将这个转载 2017-02-02 14:05:51 · 612 阅读 · 0 评论 -
画出卷积神经网络结构图[转载]
徐海蛟教学使用Keras框架(后端可选tensorflow或者theano),可以画出卷积神经网络的结构图帮助我们理解或确认自己创立的模型。问题的关键在于使用from keras.utils.visualize_util import plot中的plot函数。但是直接使用会提示缺少pydot。首先安装sudo pip3 install pydot以及sudo转载 2017-02-02 14:10:08 · 37290 阅读 · 3 评论 -
Ubuntu14.04上轻松安装与优化轻量级深度学习框架Theano[转]
徐海蛟教学一,安装轻量级深度学习框架TheanoWarningIf you want to install the bleeding-edge or development version of Theano from GitHub, please make sure you are reading the latest version of this pa转载 2017-02-04 11:56:14 · 678 阅读 · 0 评论