zhy455-CSDN博客

原创【论文阅读】Learning Semantic Representations for Unsupervised Domain Adaptation

Learning Semantic Representations for Unsupervised Domain Adaptation代码地址：https://github.com/Mid-Push/Moving-Semantic-Transfer-Network Tensorflow主要贡献这篇文章解决的主要问题是如何用有标签的数据去标记无标签的数据？之前的方法都忽略了样本的语义信息...

2018-11-12 22:28:55 3946

原创深度学习环境配置（Tensorflow,Pytorch）多版本CUDA共存

建议在anaconda下创建环境，再进行安装，方便各个环境的管理，以下安装方法在cuda和cudnn都安装好的前提下进行的。Tensorflow安装首先创建环境：conda create -n tf_0.11_gpu python=2.7； tf_0.11_gpu为环境的名称，2.7指定了python的版本，根据需要可以换成3.6；环境名称可以随意修改激活当前环境： source ac...

2018-11-08 15:34:32 7839 2

原创【双向RNN】的理解

双向RNN使用的场景：有些情况下，当前的输出不只依赖于之前的序列元素，还可能依赖之后的序列元素；比如做完形填空，机器翻译等应用。Tensorflow 中实现双向RNN 的API是：bidirectional_dynamic_rnn；其本质主要是做了两次reverse：第一次reverse:将输入序列进行reverse,然后送入dynamic_rnn做一次运算.第二次reverse:...

2018-11-07 17:20:19 6047

原创【DRCN阅读】Deep Reconstruction-Classification Networks for Unsupervised Domain Adaptation. 论文笔记

1. 基本介绍代码：有Keras和Pytorch两个版本，网址分别是：https://github.com/ghif/drcn https://github.com/fungtion/DRCN2016年一篇ECCV的文章主要贡献：给源域有标签的数据作分类（有监督）；能够学习到目标域无标签数据的特征表达（无监督）。2. 方法：2.1 主要结构这个网络可以看成有三个部...

2018-10-31 12:22:24 4941

原创 Inception结构学习笔记

一. 背景介绍Inception 主要改进了网络中的传统卷积层，针对深度神经网络性能和计算量，主要解决了深度网络中的以下问题：1. 参数太多，容易过拟合，若训练数据集有限；2. 网络越大计算复杂度越大，难以应用；3. 网络越深，梯度越往后穿越容易消失（梯度弥散），难以优化模型Inception主要就是为了解决在增加网络深度和宽度的同时去减少参数，1*1的卷积核可以增加/减少特征map...

2018-10-26 22:12:14 2550 1

原创 ResNet 网络学习笔记

一. 背景网络的结构越深，提取的特征越抽象，越具有丰富的语义信息。但是随着网络的加深，会存在梯度弥散或者梯度爆炸等问题（之前的解决方案是引入BN层（可以看成一种正则化的方式））。几十层的网络训练引入BN正则化能得到解决梯度问题，但是会引入网络“退化”问题，退化问题指的是：网络层数增加，但是在训练集上的准确率却饱和甚至下降了.二. 怎么解决退化问题？–》残差块残差块打破了传统的神经网络n-...

2018-10-26 20:39:51 335

原创【论文笔记】Asymmetric Tri-training for Unsupervised Domain Adaptation

@[TOC](【论文笔记】Asymmetric Tri-training for Unsupervised Domain Adaptation))论文地址：http://cn.arxiv.org/pdf/1702.08400v3代码地址：https://github.com/corenel/pytorch-atda#pytorch-atda基本介绍ATDA 解决的问题：源数据有类别标签，...

2018-10-17 10:24:46 2365 1

zhy455的博客