- 博客(7)
- 收藏
- 关注
RSS订阅原创 (tensorflow)mnist数据集上的应用（四）
在深度学习出现之前，必须借助SIFT、HoG等算法提取具有良好区分性的特征，再集合SVM等机器学习算法进行图像识别。 而卷积神经网络（CNN）提取的特征可以达到更好的效果，同时它不需要将特征提取和分类训练两个过程分开，在训练时就自动提取最有效的特征。CNN可以直接使用图像的原始像素作为输入，而不必使用SIFT等算法提取特征，减轻了传统算法必须要做的大量重复、繁琐的数据预处理工作。 CNN最大的特
2017-12-24 19:37:11
410
原创 (tensorflow)mnist数据集上的应用（三）
tensorflow使用多层感知器，要给神经网络加上隐含层，如下分别给出一层隐含层与两层隐含层的代码实现。只有一层隐含层。from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf mnist = input_data.read_data_sets("MNIST_data/", one_hot=
2017-12-24 19:17:22
213
原创 (tensorflow)mnist数据集上的应用（二）
特征是可以不断转化为高一级的特征，加入有很多标注的数据，则可以训练一个深层的神经网络。 如果没有标注的数据，可以使用无监督的自编码器来提取特征。 自编码器，即可以使用自身的高阶特征编码自己。输入和输出也是一致的，借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。 特点是：第一，希望输入/输出保持一致； 第二，希望使用少量字数的高阶特征来重构自己，而不只是复制像素点。1>限制
2017-12-24 19:13:34
284
转载 (C++)stack小结
C++stack(堆栈）是一个容器的改编，它实现了一个先进后出的数据结构（FILO） 使用该容器时需要包含#include头文件； 定义stack对象的示例代码如下： stacks1; stacks2; stack的基本操作有： 1.入栈：如s.push(x); 2.出栈:如 s.pop().注意：出栈操作只是删除栈顶的元素，并不返回该元素。 3.访
2017-08-22 22:22:24
254
转载 (C++)unordered_map 与 map 的对比
nordered_map和map类似，都是存储的key-value的值，可以通过key快速索引到value。不同的是unordered_map不会根据key的大小进行排序， 存储时是根据key的hash值判断元素是否相同，即unordered_map内部元素是无序的，而map中的元素是按照二叉搜索树存储，进行中序遍历会得到有序遍历。 所以使用时map的key需要定义operator而u
2017-08-22 21:13:40
1550
转载 (C++)vector总结
vector 是向量类型，它可以容纳许多类型的数据，如若干个整数，所以称其为容器。vector 是C++ STL的一个重要成员，使用它时需要包含头文件： 复制代码代码如下: #include; 一、vector 的初始化：可以有五种方式,举例说明如下： （1） vector a(10); //定义了10个整型元素的向量（尖括号中为元素类型名，它可以是任何
2017-08-22 21:03:51
170
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