深度学习基础
zsddragon
这个作者很懒,什么都没留下…
展开
-
深度学习基础系列:RNN
深度学习基础系列:RNNRNN,循环神经网络,Recurrent Neural Network。RNN对于处理有序的数据很有效,预测序列化的数据在传统的神经网络模型中,从输入层到隐含层再到输出层,层与层之间是全连接的。一个输入对应一个输出,多个输入对应多个输出,但是这些输入之间、输出之间相互没有关联,如下图所示:但是这种普通的神经网络对于很多关于时间序列的问题却无能无力。例如,你要预测句...原创 2019-08-02 22:27:33 · 155 阅读 · 0 评论 -
深度学习基础系列:AlexNet
深度学习基础系列:AlexNet实战之猫狗大战参考资料代码参考地址:https://github.com/ShuaiGuo95/DeepLearning 下的dogs_vs_cats_CNN.ipynb文件。数据下载地址:https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data数据介绍数据包含两部分,训练集和测试集,...原创 2019-08-04 14:28:51 · 159 阅读 · 0 评论 -
深度学习基础系列:VGG
深度学习基础系列:VGGVisual Geometry Group是牛津大学的一个科研团队。他们推出的一系列深度模型,被称作VGG模型。论文名:《Very Deep Convolutional Networks for Large-Scale Visual Recognition》VGG的结构图如下:该系列包括A/A-LRN/B/C/D/E等6个不同的型号。其中的D/E,根据其神经网络的...原创 2019-08-04 19:48:45 · 1544 阅读 · 0 评论 -
深度学习基础系列:Resnet
深度学习基础系列:ResnetResnet简介:2015年何恺明推出的ResNet在ISLVRC和COCO上横扫所有选手,获得冠军。ResNet在网络结构上做了大创新,而不再是简单的堆积层数,ResNet在卷积神经网络的新思路,绝对是深度学习发展历程上里程碑式的事件。ResNet在ImageNet比赛classification任务上获得第一名,因为它“简单与实用”并存,之后很多方法都建立在...原创 2019-08-05 10:30:52 · 163 阅读 · 0 评论 -
深度学习基础系列:GoogleNet
深度学习基础系列:GoogleNetGoogleNet系列网络的概览InceptionV1,通过把不同尺寸的卷积核如1x1,3x3,5x5进行堆叠增加了网络对不同尺度的适应性。并且通过在3x3的网络,5x5的网络后加入1x1使得网络的计算复杂度降低,而且提高网络的非线性的程度,基于更强的表征能力。InceptionV2,加入了BatchNormalization层,减少了Internal ...原创 2019-08-05 09:24:33 · 308 阅读 · 0 评论 -
深度学习基础系列:DenseNet
深度学习基础系列:DenseNetDenseNet概述作为CVPR2017年的Best Paper, DenseNet脱离了加深网络层数(ResNet)和加宽网络结构(Inception)来提升网络性能的定式思维,从特征的角度考虑,通过特征重用和旁路(Bypass)设置,既大幅度减少了网络的参数量,又在一定程度上缓解了gradient vanishing问题的产生.结合信息流和特征复用的假设,...原创 2019-08-06 20:49:04 · 558 阅读 · 0 评论 -
深度学习基础系列:CNN模型及其应用
深度学习基础系列:CNN模型及其应用CNN发展:LeNet :LeNet是卷积神经网络的祖师爷LeCun在1998年提出,用于解决手写数字识别的视觉任务。AlexNet:AlexNet在2012年ImageNet竞赛中以超过第二名10.9个百分点的绝对优势一举夺冠,从此深度学习和卷积神经网络名声鹊起,深度学习的研究如雨后春笋般出现,AlexNet的出现可谓是卷积神经网络的王者归来。VGG...原创 2019-08-06 20:59:27 · 1397 阅读 · 0 评论