深度学习
LeeLeeLee钟硕
微电子中的算法人,vivo-iqoo体感操控设计师(2022),来交个朋友
展开
-
[深度学习]深度学习风格迁移例程Github - Neural style in TensorFlow实现
1.首先部署好深度学习环境,本人的配置是:Anaconda 3Python 3.6.5cuda 9.0 + cuDNNwindows10 64bit 2.到GitHub下载工程:https://github.com/anishathalye/neural-style 3.下载工程需要的vgg19网络[net]: http://www.vlfeat.org...原创 2018-10-15 19:53:30 · 2294 阅读 · 3 评论 -
[深度学习]使用Tensorflow实现一个简单异或逻辑的学习
import tensorflow as tfimport numpy as np# zhonglihao 2019.04# 训练集x_train = [[0.0,0.0],[0.0,1.0],[1.0,0.0],[1.0,1.0]]y_train = [[1],[0],[0],[1]]# 网络参数 输入向量为2 隐藏层为4个cell 输出1/0单个节点# zhongliha...原创 2019-04-22 16:01:00 · 495 阅读 · 0 评论 -
[深度学习]Tensorflow实现Label一定范围内损失为0的代码实现
介绍:在很多应用中我们不一定要回归到某个Label [a],而是a的某个范围[a-b,a+b]内,均可认为训练成功,下面给出实现代码import tensorflow as tfimport numpy as np# zhonglihao 2019.04# 正负1范围没有lossoutput = [1.0,2.0,3.0,4.0,5.0,6.0]label = [3.5,3.5...原创 2019-04-23 10:01:29 · 445 阅读 · 0 评论 -
[深度学习]Tensorflow教学 - 手写数字识别例程MNIST代码实现
import tensorflow as tfimport osimport urllibimport tensorflow.examples.tutorials.mnist.input_data as input_data# from tensorflow.examples.tutorials.mnist import input_data# 手动从Lecun乐村大牛的网站下载图片...转载 2019-05-04 11:48:15 · 549 阅读 · 0 评论 -
[深度学习]卷积神经网络CNN - 一张图理解滤波器/层数/深度
1.单个卷积滤波器的尺寸一般为3x3 或 5x5;如上图所示的kernel2.滤波器的层数与图像输入的色彩层有关 如上图所示层数为33.滤波器的深度是指布设多少个卷积特征提取器,越深的深度有利于多角度提取相关识别的特征,如上图所示深度为2最终经过合成后特征的图层的个数与上一级的卷积深度一致,从输入的图层个数 转化为特征层的个数;...原创 2019-05-04 12:24:46 · 5208 阅读 · 0 评论 -
[原创]数字信号处理中的卷积网络深度学习猜想(1) - 信号主周期估计算法
转载请注明出处,Writer:Zhonlihao钟硕 @ 20190713***注意!本文只是猜想,请勿过于认真要作者给出与深度学习的必要联系***https://blog.csdn.net/xeonmm1引言 这是一篇计算机学与信号处理跨界借鉴的文章,涉及电信算法领域,以下内容尽可能不贴图讲解,相关人士老司机可以继续阅读,适逢深度学习的大热,我花了点基本的时间了解深度...原创 2019-07-13 13:52:59 · 1406 阅读 · 0 评论 -
[原创]数字信号处理中的卷积网络深度学习猜想(2) - 信号主周期估计算法 - 一种快速实现
转载请注明出处,Writer:Zhonlihao钟硕 @ 20190713https://blog.csdn.net/xeonmm1全尺度卷积算法的时间复杂度全尺度卷积虽然有非常强的细节提取能力,但其是以大量增加运算量为代价的,下面的伪代码给出了其基本的运算过程:for i = 尺度遍历 n for j = 时域遍历 k for m = 特征遍...原创 2019-07-14 09:25:33 · 361 阅读 · 0 评论 -
[原创]数字信号处理中的卷积网络深度学习猜想(3) - 信号动态周期包络算法
基本原理请参考这篇文章:https://blog.csdn.net/xeonmm1/article/details/95735261这次我们希望通过全尺度卷积算法实现一个随机信号的包络计算,包络计算的难题是:如果使用幅度逼近,则可能缺失时域,如果使用时域逼近,则可能缺失幅度,之所以出现这种情况是因为随机信号的信号成分不是固定的,里面包含了从低到高的频率,和不同的幅度信号,为了尽可能缓...原创 2019-07-23 17:50:16 · 582 阅读 · 0 评论