深度学习
东西北
机器视觉
展开
-
基于Tensorflow学习神经网络
基于Tensorflow学习神经网络https://www.cnblogs.com/jianzhitanqiao/p/5550335.htmlhttp://blog.csdn.net/myarrow/article/details/51848285http://lamda.nju.edu.cn/weixs/project/CNNTricks/CNNTricks.htmlhttp:/...原创 2018-01-11 18:38:58 · 288 阅读 · 0 评论 -
基于Tensorflow学习神经网络-术语
2.术语随机训练(stochastictraining)使用一小部分的随机数据来进行训练被称为随机训练(stochastictraining)-在循环训练的过程中,随机抓取训练数据N中的s(s个批处理数据点进行训练。在理想情况下,我们希望用我们所有的数据来进行每一步的训练,因为这能给我们更好的训练结果,但显然这需要很大的计算开销。所以,每一次训练我们可以使用不同的数据子集,原创 2018-01-11 18:40:29 · 366 阅读 · 0 评论 -
基于Tensorflow学习神经网络-理论
3.理论概率论和统计学数据分布BernoulliDistribution(伯努利分布,是离散分布)均匀分布概率密度函数:均值:方差:n重伯努利分布, 即二项分布。UniformDistribution(均匀分布)均匀分布概率密度函数:均值:方差: 图示:NormalDistr原创 2018-01-11 18:42:41 · 1087 阅读 · 0 评论 -
基于Tensorflow学习神经网络- NN(神经网络)发展-分类
4.NN(神经网络)发展-分类https://www.zhihu.com/question/34681168https://www.cnblogs.com/52machinelearning/p/5821591.htmlhttp://blog.csdn.net/invadertroy/article/details/76253778https://mp.weixin.qq.com/原创 2018-01-11 18:44:33 · 368 阅读 · 0 评论 -
基于Tensorflow学习神经网络-CNN
5. CNN(卷积神经网络层)CNN的强大之处在于它的多层结构能自动学习特征,并且可以学习到多个层次的特征:较浅的卷积层感知域较小,学习到一些局部区域的特征;较深的卷积层具有较大的感知域,能够学习到更加抽象一些的特征。这些抽象特征对物体的大小、位置和方向等敏感性更低,从而有助于识别性能的提高。权重初始化http://www.mamicode.com/info-detail-183514原创 2018-01-11 18:48:02 · 2478 阅读 · 0 评论 -
基于Tensorflow学习神经网络-FCN
6.CNN缺陷尺度一致由于FC层参数限制,输入必须满足相同尺度,针对大尺度图像处理时,切割成相同size进行CNN会有很多重复运算,比如大图像语义分割。为避免重复运算出现了FCN(全卷积网络)。时序性无法对时间序列上的变化进行建模。然而,样本出现的时间顺序对于自然语言处理、语音识别、手写体识别等应用非常重要。为了适应这种需求,就出现了题主所说的另一种神经网络原创 2018-01-11 18:49:27 · 8372 阅读 · 0 评论 -
基于Tensorflow学习神经网络-目标检测
8. Object Detection(RCNN-RPN-YOLO-)https://handong1587.github.io/deep_learning/2015/10/09/object-detection.htmlhttp://blog.csdn.net/invadertroy/article/details/76253778https://www.cnblogs.com/sk原创 2018-01-22 10:07:37 · 2613 阅读 · 0 评论 -
C++ 调用python导入keras异常
C++ 调用python导入keras异常:PyImport_ImportModule返回NULL解决方法:打开 site-packages\keras\backend\__init__.py我用的tensorflow的后端,把下面这句错误输出注释掉#sys.stderr.write('Using TensorFlow backend.\n')...原创 2018-03-20 13:52:35 · 1835 阅读 · 5 评论