深度学习
文章平均质量分 84
菜菜的阿远
这个作者很懒,什么都没留下…
展开
-
RNN、LSTM、GRU理解
一、RNN(循环神经网络)1.1 RNN与全连接神经网络的区别RNN比全连接神经网络多了参数h0,因此RNN的神经元公式比全连接神经网络的神经元多一项。训练过程与全连接神经网络并无区别:梯度下降原则此时输出层的神经元公式为:整一个RNN结构共享1组(u,w,b),这是RNN结构最重要的特性,且每一个隐藏层神经元h的计算公式是由当前输入x与上一个隐藏层神经元的输出组成。1.2 RNN循环神经网络的优势输入可以是多个且有序的,它可以模仿人类阅读的顺序去读取文本或者背的序列化数据,且通过隐藏层神原创 2021-06-28 16:53:57 · 765 阅读 · 0 评论 -
卷积神经网络再理解
之前因为看过好几次卷积神经网络的视频,最近看了用pytorch搭建一个卷积神经网络的视频,又有了新的理解,所以将之前的知识点也捋一边一、全连接神经网络的缺点随着网络层数的增加,偏导连乘也就越多二、CNN卷积神经网络原理2.1输入层2.2卷积层2.3池化层2.4输出层三、卷积神经网络的超参数设置...原创 2021-06-28 11:58:50 · 222 阅读 · 0 评论 -
3D-R2N2环境配置
上周在B站上找了一个深度学习环境的配置,就满心欢喜的去按着教程配置Ubuntu的环境,一个星期不是这出错就是那出错,走进了一个误区,跟学了很久深度学习的实验室的小伙伴交流了之后,他们是复现别人的代码是用conda创建虚拟环境,在虚拟环境中安装相应的环境,既方便又快捷。还有种环境的时候学到了很多隐藏的技能。接下来一一记录一下。一、cuda的安装安装这个的目的就是这玩意自带BUFF加成,也就是自带NVIDIA的驱动。先把这个大哥装上就不用管驱动的事了。话不多说,先把官网祭上https://develope原创 2021-03-24 21:30:03 · 932 阅读 · 0 评论 -
3D-R2N2论文阅读笔记
摘要:在利用形状先验来实现鲁棒三维重建的方法的最近成功的启发下,我们提出了一种新颖的循环神经网络体系结构,我们称之为三维递归重建神经网络(3D-R2N2)。 该网络从大量合成数据中学习从对象图像到其底层三维形状的映射。 我们的网络从任意视点接收一个或多个对象实例的图像,并以三维占用网格的形式输出对象的重建。 与以前的大多数作品不同,我们的网络不需要任何图像注释或对象类标签来进行培训或测试。我们广泛的实验分析表明,我们的重建框架(I)优于目前最先进的单视图重建方法。(Ii)能够在传统的SFM/SLAM原创 2021-03-18 11:33:30 · 1487 阅读 · 0 评论 -
深度学习环境的配置
深度学习环境搭建:主要看视频中的安装步骤https://b23.tv/qp7Gic我的配置是:GTX 1050 :最后用到的是anaconda3-5.3.1-python3.7+cuda10.0.130.411.31+cudnn+TensorFlow2.0.0+pycharm1、anaconda安装1)下载链接下载https://www.anaconda.com/products/individual官网现在是python3.8才开始我是安装的官网上的,但是后面装TensorFlow时装上原创 2021-01-12 21:04:45 · 1204 阅读 · 0 评论