- 博客(4)
- 资源 (2)
- 收藏
- 关注
原创 cs231n 课程作业 Assignment 3
作业总结终于来到了最后一次作业,这次主要是讲 RNN 或 LSTM 这个时序模型,感觉如果公式已经熟悉了的话(没有的话多看几遍,也可以参考我上篇博文的公式总结,囧),作业应该比上次的简单。代码量也少一些。在写代码之前要下载一些必要的模型文件,数据集等,可能比上两次麻烦点,具体看 Assignment #3 的说明就好了。我的作业代码见:cs231n/assignment3.Image Caption
2017-04-27 16:06:36 15980 5
原创 RNN, LSTM, GRU 公式总结
RNN参考 RNN wiki 的描述,根据隐层 hth_t 接受的是上时刻的隐层(hidden layer) ht−1h_{t-1} 还是上时刻的输出(output layer)yt−1y_{t-1},分成了两种 RNN,定义如下:Elman network 接受上时刻的隐层 ht−1h_{t-1}Jordan network 接受上时刻的输出 yt−1y_{t-1}但是看了很多的教程,感觉应
2017-04-11 17:09:28 41194 4
原创 cs231n 课程作业 Assignment 2
上一次作业基本已经讲了构建一个多层神经网络的基本知识,包括其结构,公式推导,训练方法。这一次主要关注卷积神经网络(CNN, Convolution Neural Network),要先读完课程笔记 CS231n Convolutional Neural Networks for Visual Recognition,基本就懂了。特别是那个解释卷积的动态图,非常形象。CNN 主要多了卷积层(convo
2017-04-07 16:09:15 27141 5
原创 cs231n Convolutional Neural Network 笔记
CNNs: Architectures, Convolution / Pooling LayersCovNet LayersConvNet 显示地假设输入是图片,卷积池化等操作大大减少了参数,比一般的全连接网络计算更高效。CNN 里具体有下面的几种结构,卷积层, Convolutional LayerDilated convolutions 就是做点乘的时候,也有个stride,而不是连续的九宫格
2017-04-07 16:06:27 2106
SSOAuth示例及源码
2014-08-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人