Deep Learning
朴素.无恙
朴素年华.梦想无恙
展开
-
LeNet模型解读
LeNet模型解读上图为LeNet-5识别手写体数字的过程,其包含输入层在内共有八层,每一层都包含多个参数(权重),c层代表的为卷积层,通过卷积操作,使原信号特征增强,并降低噪音。s层代表下采样层,即池化层,利用图像局部相关性的原理,对图像进行了子抽样,可以减少数据处理量,同时也可以保留一定的有用信息。LeNet-5 包含了卷积神经网络的基本模块是入门卷积神经网络最好的网络之一,包含...原创 2019-01-14 15:23:49 · 5940 阅读 · 0 评论 -
GoogLeNet之Inception结构的解读
Inception结构的解读Inception结构,是一种高效表达特征的稀疏性结构。基于底层的相关性高的单元,通常会聚集在图像的局部区域(通常CNN底层卷积提取的都是局部特征),这就相当于在单个局部区域上,去学习它的特征,然后在高层用11卷积代替这个区域,当然某些相关性可能是隔得比较远的,通过使用大的卷积核学习即可。原始Inception A结构如下图所示:在InceptionA中33,5...原创 2019-01-14 19:41:48 · 9855 阅读 · 1 评论 -
深度学习中的优化算法
深度学习中的优化算法(随机梯度下降法)在文章中首先介绍固定学习率的优化器(SGD、Momentum),其次是适应学习率算法(Adagrad、Rmsprop、Adadelta、Adam)。随机梯度下降法 (SGD)动量法(Momentum)Adagrad 算法RMSProp 算法Adadelta 法Adam 算法1.随机梯度下降法 (SGD)Stochastic Gradien...原创 2019-01-16 16:24:31 · 948 阅读 · 1 评论 -
小样本学习(one/few-shot learning)
原文:https://blog.csdn.net/mao_feng/article/details/78939864原博地址:https://blog.csdn.net/xhw205/article/details/79491649小样本学习来源:我们人类是具有快速从少量(单)样本中快速学习能力的,其实在我们学习的过程中,人类的大脑将对象和类别组成有用的信息将之分类。首先需要声明的是,小样...转载 2019-04-03 19:42:14 · 63883 阅读 · 4 评论