![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
deep learning
zhaoxinzhuo321
这个作者很懒,什么都没留下…
展开
-
VGG Convolutional Neural Networks Practical 学习笔记
一共分为五个部分: 1、基础CNN,如ReLU、卷积、池化、标准化处理; 2、负反馈、偏导; 3、通过一个小的CNN模型介绍训练数据、标签、图像预处理、下降梯度等 4、可以识别字母的CNN。涉及数据预处理、初始化网络、训练和验证CNN、对特征的可视化、对model的应用\mini-batch数据的构建,以及data jitter; 5、是我最关心的pretrained model,用此m翻译 2016-11-28 16:31:59 · 1360 阅读 · 0 评论 -
全连接层
一直不是很了解CNN的全连接层,看了几个博客,总结一下,供日后参考。 说道全连接层,就需要提到CNN的两个特征。 1. 稀疏链接 m-1与m层相连时,m层的一个结点只与其中的三个结点相连,没有全部连接。图中完成了m-1到m+1的非线性特征编码。因此下一层的每个结节只提取了局部特征。 2. 权值共享 每个颜色的权重是相同的。两个理由:重复单元能够对特征进行识别,而不考虑它在可视域中的转载 2017-02-23 12:09:50 · 6766 阅读 · 0 评论 -
关于生物信息学
最近在做一个项目,用计算机的算法解决生物基础研究中的问题。做完之后写了一篇论文,写论文之中发现了一些问题。 首先,论文的贡献点存在矛盾: 1、从计算机角度很难归纳创新点。这个项目虽然是解决生物基础研究的问题,但是实际上它只是提供了一个工程学上的解决方案,谈不上“科学”。若论计算机的角度,因为没有什么算法上的优化,所以也谈不上“创新”。这就让这篇文章很尴尬了。 2、从应用的角度确实是有贡献的。...原创 2018-11-15 08:06:30 · 411 阅读 · 0 评论