深度学习
文章平均质量分 70
yyHaker
科学的处理方法都是逐步摸索进步的!
展开
-
win10环境下安装theano:vs+conda+cuda+theano
win10环境下安装theano:vs+conda+cuda+theano参考博客:win10下安装theano参考博客:Theano环境搭建about Converting to the new gpu back end(gpuarray)Converting to the new gpu back end(gpuarray)vs安装cuda安装conda安装 3.1 我这里安装的是m原创 2017-09-11 09:56:49 · 970 阅读 · 0 评论 -
DeepLearning——Restricted Boltzmann Machines
Restricted Boltzmann Machines—-目录Restricted Boltzmann MachinesEnergy-Based Models EBMEBMs with Hidden UnitsRestricted Boltzmann Machines RBMRBMs with binary unitsSampling in an RBMContrastive Div原创 2017-11-02 17:06:09 · 510 阅读 · 0 评论 -
数据集可视化-tile_raster_images
tile_raster_images 在大量的数据处理或者文献中,我们常见如下的数据集可视化(甚至对参数也可进行可视化,毕竟图像的本质是二维数组),通过文章末尾的代码我们发现只需对布局及间距的慎重设置,便可对大量丰富的图像以”地板贴砖(tiles on a floor)”的形式进行组织,也即可视化,展示数据或相关工作,可以起到十分直观的效果。下面我们将要介绍这个工具方法: 首先用图示来表示相原创 2017-11-03 14:16:02 · 2542 阅读 · 0 评论 -
RestrictedBoltzmannMachines.py源码剖析
RestrictedBoltzmannMachines.py源码剖析 这篇博客是承接我的上一篇Restricted Boltzmann Machines的一个实现RBM的例子,代码详见我的github:RestrictedBoltzmannMachines.py.RBM.class We construct an RBM class. The parameters of the network原创 2017-11-03 13:36:43 · 346 阅读 · 0 评论 -
win10+cuda8+cudnn5.1+Anaconda3+pytorch+torchvision
win10+cuda8+cudnn5.1+Anaconda3+pytorch+torchvision1.windows安装cuda8和cudnn5.1这个教程很多,我不赘述。自行百度谷歌。2.windows安装Anaconda3推荐参考:win10下安装使用pytorch以及cuda9、cudnn7.0,Anaconda3虚拟环境的设置真的很赞!我的虚拟环境设置如下,使用的是python3.6,路原创 2017-12-06 22:55:25 · 2040 阅读 · 1 评论 -
Pytorch源码之RNN理解
Pytorch源码之RNN理解 我用的pytorch0.2,除了API的解释外,部分容易混淆。因此我依次整理了一下。下面是rnn.py的structure, RNN类 该类实现了RNN, math公式如下: (1)ht=tanh(wih∗xt+原创 2018-01-24 22:33:36 · 4215 阅读 · 4 评论