深度学习
流云非晚
这个作者很懒,什么都没留下…
展开
-
深度学习框架Caffe学习笔记(2)-MNIST手写数字识别例程
MNIST(Mixed National Institute of Standards and Technology)是一个大型手写体数字识别数据库,广泛应用与机器学习领域的训练和测试。MNIST包括60000个训练集和10000个测试集,每张图都已经进行尺寸归一化、数据居中处理,固定大小为28×28像素。 下载数据集使用Caffe源码目录中data/mnist下用get_mnist.sh脚本下载原创 2016-11-08 00:34:20 · 5310 阅读 · 2 评论 -
深度学习框架Caffe学习笔记(3)-MNIST例程深入
mnist层负责从lmdb数据库中读取图像数据data和标签label,图像送入CNN结构中处理。CNN结构包括一组用卷积层和下采样层交替形成特征层,以及ip1和ip2两个全连接层。ip2和标签对比,计算出分类的准确率(accuracy)和损失值(loss)。LeNet的设计蕴含了CNN的精髓。原创 2016-11-08 13:53:34 · 1495 阅读 · 0 评论 -
深度学习框架Caffe学习笔记(4)-MNIST数据集转换成可视化图片
MNIST数据集转换成可视化图片原创 2016-11-08 15:40:21 · 2465 阅读 · 1 评论 -
深度学习框架Caffe学习笔记(5)-使用gflags解析命令行参数
在Caffe源码中,命令行参数的解析都是用gflags的库。在安装Caffe依赖包的时候就有libgflags-dev这个包。gflags是google开发的开源命令行解析库,使用C++开发,用起来比getopt更方便。原创 2016-11-08 16:47:58 · 4931 阅读 · 1 评论 -
深度学习框架Caffe学习笔记(6)-测试自己的手写数字图片
Caffe测试自己的手写数字图片原创 2016-11-08 17:53:09 · 6467 阅读 · 10 评论 -
深度学习框架Caffe学习笔记(7)-cifar10例程
深度学习框架Caffe学习笔记cifar10例程原创 2016-11-11 13:45:38 · 2595 阅读 · 1 评论 -
深度学习框架Caffe学习笔记(8)-BP神经网络算法
BP神经网络的计算流程为,先根据输入数据各个节点的权重偏向,计算出神经网络的输出(前向传播计算),通过计算输出与理想输出比较得到误差,再根据误差函数再各个节点的偏导数计算出各权重、偏向的调整量(反向传播计算)。该迭代过程循环进行,直到达到某些停止条件,如训练误差已经小到一定值。原创 2016-11-14 14:15:27 · 10512 阅读 · 0 评论 -
深度学习框架Caffe学习笔记(1)-Caffe环境搭建
Caffe是由伯克利视觉和学习中心开发的基于C++/CUDA/Python实现的卷积神经网络,提供了面向命令行、Matlab、Python的绑定接口。原创 2016-11-07 23:12:30 · 3500 阅读 · 0 评论