卷积神经网络
武睿傲雪
喜欢在CSDN专业的技术论坛上提问题并解决问题
展开
-
Caffe源码阅读(2) 卷积层
大约半年前写过一篇关于Caffe全连接层的文章,这次更新卷积层的。 一开始笔者先看了卷积层的梯度传导公式,参考了这两篇: http://ufldl.stanford.edu/tutorial/supervised/ConvolutionalNeuralNetwork/http://cogprints.org/5869/1/cnn_tutorial.pdf 卷积层的参数的梯转载 2016-05-27 16:13:49 · 972 阅读 · 0 评论 -
深度学习、图像分类入门,从VGG16卷积神经网络开始
刚开始接触深度学习、卷积神经网络的时候非常懵逼,不知道从何入手,我觉得应该有一个进阶的过程,也就是说,理应有一些基本概念作为奠基石,让你有底气去完全理解一个庞大的卷积神经网络: 本文思路: 一、我认为学习卷积神经网络必须知道的几个概念: 1、卷积过程: 我们经常说卷积神经网络卷积神经网络,到底什么才是卷积?网络层卷积过程到底怎么实现?我们在这里借鉴了另一位博转载 2017-12-11 20:39:43 · 2119 阅读 · 1 评论 -
神经网络训练中,Epoch、Batch Size和迭代
你肯定经历过这样的时刻,看着电脑屏幕抓着头,困惑着:「为什么我会在代码中使用这三个术语,它们有什么区别吗?」因为它们看起来实在太相似了。 为了理解这些术语有什么不同,你需要了解一些关于机器学习的术语,比如梯度下降,以帮助你理解。 这里简单总结梯度下降的含义... 梯度下降 这是一个在机器学习中用于寻找较佳结果(曲线的最小值)的迭代优化算法转载 2017-12-17 17:33:26 · 992 阅读 · 0 评论