- 博客(22)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 21caffe[1]_caffe初见
开坑，在拙劣地使用过caffe后，读《21天实战caff》，记录些理论知识，会夹杂些从网络上搜集到的其他。1、基础概念：泛化、过拟合；机器学习、深度学习；监督学习、无监督学习。2、从传统的机器学习到深度学习：构建模式识别或机器学习系统需要技艺高超的工程师和经验丰富的领域专家来设计Feature Extractor，将原始数据转化为合适的中间表示形式或Feature Vector，学习子系统...
2019-06-16 21:58:36
115
翻译 Transfer Learning 概念
在学习pytorch然后刷官方的pytorch-tutorials到讲解Image/Finetune_Torchvision_Models时，看到Transfer Learning, 它在提及fine-tune和feature extraction两个方法时给了Transfer Learning概念解析的两个链接，这里着重翻译摘录下第一个链接的内容CS231n_transfer-learning。...
2019-04-22 22:06:56
723
原创 C++数据结构与算法分析_排序（1）
学习数据结构，记录以c++语言解释的排序算法。介绍基础的插入排序、选择排序和冒泡排序，以及高效的希尔排序，剩下的堆排序、快速排序、归并排序、基数排序在下一篇提到。关键属性/衡量标准当对可选方法进行比较效率时，定义了两个时间复杂度关键属性：比较次数和数据移动次数。这两个的衡量标准是采取数量级O的表示方式，在最好情况（通常数据已排序）、最坏情况（数据按相反顺序排序）、平均情况（数据顺序是随机的...
2019-03-26 21:30:07
220
原创 C++数据结构与算法分析_排序（2）
前面已经介绍了基础的插入排序、选择排序和冒泡排序，以及高效的希尔排序，看这里。下面介绍剩余的部分。五、高效的排序方法之堆排序堆排序使用了选择排序固有的方法，采用找最大元素的方法，从数组末尾开始放置：将数组建堆，堆的根节点数值最大，将其放在数组末尾，然后排除掉这个已在最合适位置的元素，重新建堆，根节点代表的最大元素放到数组的倒数第二个位置，以此类推。代码实现：template<c...
2019-03-26 21:29:28
174
原创 cs231n_2018_lecture13_notes_强化学习
在连接主义学习中，把算法分为三种类型，即非监督(unsupervised learning)、监督学习(supervised leaning)和强化学(reinforcement learning)。概念：强化学习通过 “采取动作 — 得分反馈” 的方式学习，最终目标是使得Agent通过与环境的交互获得最大的得分。强化学习不是告诉Agent如何动作，而是Agent选择一个动作用于环境，环境...
2019-03-15 21:38:39
216
原创 cs231n_2018_lecture13_notes_可视化
对神经网络的可视化可以帮助我们理解“网络在做什么？提取的是什么特征？”等一系列关于网络工作的本质问题。结合代码测试，观察效果可能来理解更好，留坑目前还没做理解，此处就只列下目录了。一、第一层的可视化即将第一层滤波器根据它的权重值可视。二、最后一层的可视化在最后一层一般维度会很大，比如2048、4096数量级，使用Nearest Neighbors方法或者Dimensionality...
2019-03-14 16:00:07
152
原创 cs231n_2018_lecture12_notes_无监督学习和生成模型
一、无监督学习先介绍熟悉的有监督学习supervised learning——已知：数据和标签；目标：学习得到一个函数使得能够将数据映射到标签。有监督学习的例子：分类classification、回归regression、目标检测object detection、语义分割semantic segmentation、图像字幕image captioning等等。介绍这章的主题无监督学...
2019-03-13 21:12:44
431
原创 cs231n_2018_lecture11_notes_rnn视觉应用
这章节主要讲解RNN能在计算机视觉领域完成什么任务。目前为止好像都是以线性分类器作基础讲解神经网络的，具体实现比如网络最后一层有4096神经元而我们要做个10分类，那么需要添加10个神经元与前面的4096个神经元全连接，这样输出的10个数值看作是类别得分，分类的概念在之前讲过。但应用绝非局限于图像分类任务。这里就要介绍另外两个常见任务：检测detection和分割segmentation。展开...
2019-03-06 22:03:06
229
原创 学习环境搭建
之前在移动硬盘上安装了ubuntu1604，然后是cuda+cudnn+anaconda+opencv+caffe，在之前的博客中都有记录，当然还是去官网看install tutorial之类的，少走弯路，遇到问题baidu、google。然后随着对深度学习的学习要使用tensorflow/pytorch，然后我又不想直接把caffe舍弃掉，然后就重新搭建了环境：ubuntu1804+cuda...
2019-03-01 17:32:30
1353
原创 cs231n_2018_lecture10_notes_RNN基础
这一章节就是主要围绕RNN（recurrent neural network）的概念和计算机视觉方面的应用了，由于我之前的工作都是为了图像的检测识别分类，知识侧重于经典的图像处理、经典的机器学习算法和卷积神经网络，对RNN的计算原理之类的没那么清晰（留坑，后面补上）。简要概括如下。Vanilla Neural Network结构分类：Vanilla是常见的RNN之一，结构相对简单明了，主要...
2019-02-28 20:19:25
235
原创 cs231n_2018_lecture09_notes_知名CNN结构分析
这一讲的ppt内容相当之大，主要介绍了几个较为出名的CNN结构。在其他人所作的再整理中也就都是非常简单地介绍了这几个网络，实际上想要深入理解还是需要找出以原paper读读，然后再针对单个网络搜搜看看别人的理解。此处也仅简单概括几个案例，作为后续的学习方向。LeNet-5简单的5层网络，常用于字母识别，结构：input->conv->pool->conv->pool-...
2019-02-27 11:25:34
211
原创 cs231n_神经网络笔记_部分总结工作2_cnn基础
关于神经网络的基础知识在“cs231n_神经网络笔记_部分总结工作1”已经做了简单介绍了，此处特别针对卷积神经网络CNN做简单笔记。对几个卷积神经网络的案例介绍在下一章“cs231n_2018_lecture09_notes”。卷积神经网络：首先需要明确的是“卷积”神经网络和全连接神经网络的异同，可以看这里。图像经过CNN的意义按照线性分类器的思想可以看作是图像从原始像素值经过“特征提取”...
2019-02-25 21:25:14
213
原创 cs231n_神经网络笔记_部分总结工作1_理解、准备、训练
cs231n神经网络NN（或称为人工神经网络ANN或称为多层感知器MLP）基础知识部分集中在PPT的lecture05~lecture07，且有整理的笔记（搜索关键字都能搜到），已经算是非常棒了，此处仅针对个人再做下简化、整理。神经网络的理解：神经网络个人理解可以看作是线性函数和非线性函数的组合，所以只要组合得够好在一定程度上可以逼近任意函数？那么重点就在于学习如何线性、如何非线性、如何组...
2019-02-25 17:00:57
265
原创 cs231n_2018_lecture08_notes_nn硬软件平台
CS231n课程从lecture08后面就没有相对官方、认可度高的整理过的笔记了。本文将针对lecture08该PPT做些简单的笔记工作。 要点：神经网络的硬件和软件平台 在课件最开始总结了lecture07讲的关键：optimization的选择——SGD+Momentum,Nesterov,RMSProp,Adam dropout正则化可以看作是在 网络的前向传播过程中...
2019-02-23 14:06:38
288
原创 Linux下编程
windows下我的环境为：Windows10+VS2015+opencv3.4.0+opencv3.4.0_contrib+pythonlinux下我的环境为：ubuntu16004(也有ubuntu1804）+opencv3.4.0+opencv3.4.0_contrib+python+GNU(g++和gdb)+caffe+cuda在linux下的程序与在windows...
2018-10-16 11:12:23
109
原创 caffe学习_3.finetune
此篇依然是记录跟随caffe官网上的指导文件，主题为：微调（finetune）http://caffe.berkeleyvision.org/gathered/examples/finetune_flickr_style.htm上面网址里面有较为详尽的步骤，下为总结。一、数据集的准备1、准备图像文件和对应的txt文件example里是通过命令在caffe根目录下运行...
2018-09-16 15:07:41
279
原创 caffe学习_2.名词理解
关于caffe，在学习怎么使用它之前首先要理解下相关的些概念，官网上讲的非常详细，http://caffe.berkeleyvision.org/tutorial/在此放些“摘要”进来。一.前后传播前向传播，从下向上，我大致理解为原始数据层层处理，计算loss函数后向传播，从上向下，各层计算梯度二.BlobBlob是N维数组，是通信和操作信息的caffe框架的统一的标准...
2018-08-23 21:31:12
188
原创 caffe学习_1.caffe测试
之前四篇文章简单介绍了怎样配置好环境的，https://mp.csdn.net/postedit/81120722 https://mp.csdn.net/postedit/81120934 https://mp.csdn.net/postedit/81120953 https://mp.csdn.net/postedit/81120987至此 ，ubuntu1604+cuda+ana...
2018-08-18 14:46:57
378
原创 caffe安装_4.caffe安装
【框架】：ubuntu1604+opencv340+anaconda2+caffe(+pycaffe)前面细节准备工作可以看这几篇：https://mp.csdn.net/postedit/81120722https://mp.csdn.net/postedit/81120934https://mp.csdn.net/postedit/81120953主要参考这两篇htt...
2018-07-19 19:10:07
113
原创 caffe安装_3.opencv安装
主要参考了以下两篇：https://blog.csdn.net/abc869788668/article/details/78351807https://github.com/BVLC/caffe/wiki/OpenCV-3.2-Installation-Guide-on-Ubuntu-16.04最主要参考为opencv官网文件：https://docs.opencv.org/3....
2018-07-19 19:01:10
323
原创 caffe安装_1.ubantu+cuda+cudnn安装
首先安装cuda依赖项sudo apt-get updatesudo apt-get upgrade #升级软件后再安装依赖sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get ins...
2018-07-19 18:50:50
254
caffe安装的makefile.config文件
2018-08-15
vs2015编译下的opencv库
2018-06-25
matlab模糊控制规则文件
2018-03-02
matlab实现BLDC的模糊控制调速
2018-03-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人