- 博客(59)
- 收藏
- 关注
RSS订阅原创 经典CNN的实现 InceptionNet
经典CNN的实现 InceptionNetInceptionNetInceptionNet诞生于2014年，当年ImageNet竞赛冠军，Top5错误率为6.67%论文出处：Szegedy C, Liu W, Jia Y, et al. Going Deeper with Convolutions. In CVPR, 2015.InceptionNet旨在通过增加网络的宽度来提升网络的能力，与 VGGNet 通过卷积层堆叠的方式（纵向）相比，是一个不同的方向（横向）。要理解 InceptionN
2022-03-13 20:26:08
4198
原创 经典CNN的实现 LeNet AlexNet VGGNet
使用keras神经网络搭建“六步法”实现经典CNN：LeNet AlexNet VGGNet
2022-03-12 08:25:42
1680
原创 tensorflow2中的基本概念与常用函数
虽然我们在之前学习了如何手动实现神经网络，那样非常易于我么你理解神经网络的原理个结构。但是就“编写一个可用的高效的神经网络“而言，手动编写太过于低效。因此这里我们介绍一下TensorFlow，帮助我们快速搭建神经网络，本篇文章就先介绍一下tensorflow2中的基本概念与常用函数。
2022-03-08 09:25:11
288
原创 动手实现深度神经网络7 实现CNN
经过了之前的学习，我们已经掌握了如何构造、优化和使用一个深度神经网络了。然而，单纯的深度神经网络无法考虑到图像中相邻像素中可能存在的联系。于是，这里我们将实现一种专门针对图像处理的卷积神将网络CNN。
2022-03-07 09:07:19
1284
原创 动手实现深度神经网络6 神经网络的优化之权值衰减与Dropout
机器学习的问题中，过拟合是一个很常见的问题。过拟合`指的是`只能拟合训练数据，但不能很好地拟合不包含在训练数据中的其他数据的状态。这一篇文章，我们介绍抑制过拟合的两种方法；权值衰减和Dropout。
2022-03-06 08:48:38
772
原创 动手实现深度神经网络5 神经网络的优化之参数更新优化
在之前的神经网络中，我们都是使用随机梯度下降法SGD对参数进行更新的，然而，虽然SGD实现简单易于理解，但是，它在解决某些问题时可能很没有效率。这篇文章我们介绍一些其他的更新参数的方法，并对几种方法进行比较。
2022-03-05 10:37:47
987
原创 动手实现深度神经网络4 封装成层
经过篇三篇文章，我们的神经网络已经能够较为高效、准确的完成手写数字的识别。但是，它仍然存在一些问题：不易扩展。神经网络模型一般都是由“层”来构成的。这里我们就是用封装的层来实现神经网络，并修改神经网络来展示层带来的便捷性。
2022-03-02 12:50:37
1343
原创 动手实现深度神经网络3 增加误差反向传播计算梯度&完成MNIST数据集手写数字识别
在这一部分中我们利用误差反向传播来计算梯度，误差反向传播计算梯度的速度大大超过了之前采用的数值微分发法。经过这次改进，我们的神经网络就能以很快的速度和较高的准确率完成MNIST数据集手写数字识别啦！
2022-03-01 16:56:47
2830
原创 动手实现深度神经网络2 增加批处理
在上一部分中，我们构造了一个简单的两层神将网络，上文中那个网络使用数值微分计算梯度，没有实现批处理，所以可以认为时不可用的。在着一部分中，批处理将会被实现。
2022-03-01 15:23:58
875
原创 动手实现深度神经网络1 两层神经网络（修改了关于权重b的配图错误）
使用python手写一个神经网络，当然实际可用的神经网络模型非非常复杂，涉及诸多实现细节和优化，因此，我们先从一个两层的神经网络开始，之后不断完善和改进。
2022-02-28 11:43:12
1367
原创 神经网络中的激活函数与损失函数&深入理解推导softmax交叉熵
介绍神经网络中常用的激活函数和损失函数，主要是介绍softmax交叉熵损失函数，并使用计算图手动推导softmax交叉熵反向传播过程。
2022-02-26 18:10:49
2346
原创 Python深度学习入门笔记 5
我们介绍一下深度学习的一些性质特点，发展状况和未来方向等。这一部分没有什么具体的技术细节，也没有代码实现，只是作为后续进一步学习的简单前瞻。
2022-01-16 20:19:02
1163
原创 Python深度学习入门笔记 3
这一部分介绍神经网络的学习中的一些重要观点，主题涉及寻找最优权重参数的最优化方法、权重参数的初始值、超参数的设定方法等。为了应对过拟合，本章还将介绍权值衰减、Dropout等正则化方法。
2022-01-12 20:08:34
851
原创 使用GitHub + Hexo搭建技术博客 部署到个人域名
使用GitHub + Hexo可以快速搭建自己的技术博客，但其中会有各种各样的·=坑::,尤其是21年8月13后，github不再支持用户名密码的方式验证了，需要使用人访问令牌token才能验证。
2021-12-07 17:13:58
666
原创 数字图像处理笔记 第五章 图像增强 附实验
第五章 图像增强 附实验5.1前言，基础概念与分类图像增强的目的：改善图像的视觉效果，或将图像转换成更适合于人眼观察和机器分析识别的形式，以便从图像中获取更有用的信息有针对性的，注意主观为导向，并不存在通用的增强算法，与受关注物体的特性、观察者的习惯和处理目的相关。没有一个图像增强的统一理论，如何评价图像增强的结果好坏也没有统一的标准。图像增强方法分为两大类：空间域方法和频率域方法。空间域方法：对图像的像素直接处理为基础。包括点处理，模板处理（邻域处理）。频率域方法：以修改图像
2021-07-25 18:12:36
6045
1
原创 KMP模式匹配算法
KMP模式匹配算法KMP算法第一个例子，S=“abcdefgab”，T=“abcdex”。朴素的模式匹配过程，再第一步中，主串S与模式串T比较了前6位都相等，第七位不相等，然后模式串指针 i 需要回溯到1重新开始。这样做显然是非常浪费时间的，因为我们已经知道S的1-5与T的1-5位置的字符是匹配的，并且T的第一个字符’a’与其自身的2-5位"bcde"都不相等，那么’a’也就没有必要与S的2-5位比较（上面划线），也就是说，朴素算法中的②③④⑤步骤都是多余的，可以跳过。第⑥布是必要的，因为我们不知
2021-07-15 18:48:17
1714
原创 自制脚本语言笔记（没什么价值）
2周自制脚本语言1.前言与说明开始时间：2021年6月13日目的：以实践的形式了解编译原理的部分知识，动手自制改进脚本语言后来发现理解代码太难太难，最终选择将能看懂的代码进行注释本文没有什么参考价值，完全是我在学习过程中的无聊笔记。排版也比较乱。开始注释第三章代码注释完成实现词法分析功能。第四五章代码注释完毕实现语法分析有很多东西虽然可以猜到是什么意思，但还是理解不够透彻，不知道具体每一步骤实在做什么。整体介绍/ast包含abstract syntax tree（ast） 的
2021-06-20 21:00:05
784
原创 《统计学关我什么事》读书笔记
《统计学关我什么事》读书笔记1概述这本书以比较简单易懂的“面积图”的方式以及通俗易懂的例子带着我认识了贝叶斯统计，老实说，如果一开始就从公式上讲解所谓的“先验概率”，“后验概率”，我一定会感觉头大。2贝叶斯统计举一个例子，假如说我们知道①商店里来的客人有80%的可能是随便逛逛，有20%的可能是真的想买东西，②而随便逛逛的人有30%的概率会询问商品，而真的想买的客人会有90%的概率去询问。③这时有一个客人询问商品，我们如何判断这位客人是真的想买还是随便逛逛呢？①②我们可以用一个图来表示，图中的面积
2021-04-24 00:17:34
364
原创 数字图像处理学习笔记3
图像处理是建立在各种算法基础上的处理方法。实验内容（1）对图像进行线性点运算。（2）对图像比例放大1.5倍，比例缩小0.7倍，非比例放大到600x700像素，非比例缩小到300x400像素。（3）对图像旋转30度、60度、90度、135度和180度。
2021-03-24 22:45:20
347
原创 数字图像处理学习笔记2
第二章 数字图像处理的基础 （附matlab实验）文章目录第二章 数字图像处理的基础 （附matlab实验）2.1 人类的视觉感知系统基本构造亮度适应和鉴别2.2 数字图像的基础知识图像的数字化及表达图像的获取1.图像的采样2.图像的量化2.3 像素间的基本关系2.4 数字图像类型数字图像类型位图术语2.5 实验 图像采样与量化实验内容：（1）程序（2）程序实验结论 即图像采样与量化对图像效果的影响2.1 人类的视觉感知系统基本构造光接受器主要包括视锥细胞和视杆细胞。 视锥细胞：在视网膜中间的中
2021-03-22 19:46:22
1084
原创 《JavaScript面向对象精要》 读书笔记
《JavaScript面向对象精要》这本书是基于ES5讲解的JavaScript中面向对象的核心知识。JavaScript中的面向对象不同于c++,java等语言，JavaScript以一种非常灵活的方式实现面向对象。
2021-03-15 21:44:10
173
原创 《编写可测试的JavaScript代码》 读书笔记1
《编写可测试的JavaScript代码》 读书笔记1前言由于笔者并没有过多的测试方面的经验，因此只能整理一些从书中学到的理论上的知识。1.可测试的JavaScript测试驱动开发（TDD）： 测试领先于开发。先写出测试，测试失败（因为现在还没有开始写功能代码）然后再开始编写代码，以确保测试能够通过。保证永远没有未被测试的代码。行为驱动开发（BDD）：在TDD的基础上，为开发人员或非开发人员提供一种通用语言，用于对被测试模块的描述。无论采用哪种办法，真正的目的都是编写出整洁、松耦合、足够多注释的代
2021-03-14 12:37:48
178
原创 《python网络数据采集》 简读
《python网络数据采集》 简读对本书的认识和看法这本书主要讲解的是利用python进行网络数据采集，由于本书原版是15年出版，而这几年python3第三方库也经历了不小的发展，书上提到的一些技术在现在已经不太适用。不过本书内容生动且丰富，可以作为一本不错的爬虫入门书。主要内容因为我之前对爬虫已经有过一些学习，所以介绍本书内容时会根据我的认识那个进行重新的整理。网络连接客户端（浏览器）
2021-03-11 12:07:43
302
原创 《java实践指南》简读
《java实践指南》简读对本书的认识和看法 本书就java实际开发中琐事用到的技术工具等进行总结，内容涵盖比较广。但是由于本书实际上内容并不多，对于每个部分的讲解都有一些“站在终点回顾”的感觉，因此，我私自认为本书对于在java中“历经风霜”的人来说是一本回顾与总结的书籍，而对于经验并不丰富的人来说，只能是“走马观花”。主要内容构建工具AntMavenGradle用于构建文件和管理依赖。测试JUnitTestNGJUnit中的测试主要方法@Testpublic void
2021-03-10 19:09:30
100
原创 A* 算法
A* 算法A* 算法是一种在图中求解最短路径的算法，是从Dijkstra算法发展而来的。A* 算法不仅会考虑从起点到后补顶点的距离，还会考虑从当前顶点到终点的估算距离。#mermaid-svg-l1WwKgsMc9Jtw7UN .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-l1WwKgsMc9Jtw7UN
2021-03-02 17:23:24
346
原创 素性测试 费马测试
素性测试 费马测试素数被广泛应用于加密技术中，例如RSA算法等都会用到素数或利用素数的一些性质。素性测试：用于判断一个数是否是素数。我们在学习编程语言时一般都会练习判断一个数x是否是素数，当时我常用的方法是遍历从2到√x+1之间的数i，判断x mod i是否不为0。然而这种办法在数字x很大时会非常耗费时间。费马测试是一种概率性的素性测试，它是根据“某个数是素数的概率”来判断一个数是否是素数。在此之前，我们先介绍一个素数的重要性质。素数54^5 = 1024 1024 mod 5 =
2021-03-01 17:34:22
1260
原创 堆和堆排序
堆和堆排序堆堆是一种特殊的树形结构，它总是满足树的根节点是所有结点中最大（或最小）的一个，也由此分为大根堆和小根堆。接下来以小根堆为例进行讲解。图片来源：《我的第一本算法书》小根堆需要遵循的规则是：堆中的每个结点最多只有两个子结点。子结点必须大于父结点。最小的数据存储在根结点。查询这样在查询最小值时时间复杂度是O(n)。当然数据并不是一开始就是这样排好的，我们页需要进行插入删除等操作。插入数据插入数据，一般会把新数据放在最下面一行靠左的位置。当最下面一行里没有多余空间时，
2021-03-01 17:32:12
113
原创 k- means 算法
k- means 算法k- means 算法是聚类算法的一种。聚类指的是在一个对象的集合中，将相似的对象分为一个簇。k- means算法需要给定划分的簇的数量，例如选定划分为3个簇。在所有的对象中任意选择三个对象作为簇的中心点。计算其余各个元素距离那个中心点最近，形成一个原始的簇。在各个簇内计算重心，将簇的中心点移动到重心。重新计算各个对象距离三个中心点的距离，形成新的簇。重复步骤3，4的操作，知道中心点不再发生变化。...
2021-02-28 17:10:09
466
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人