a571255945的博客

原文：http://blog.youkuaiyun.com/zyj098765/article/details/52860183目录 引言阶段一.机器学习入门阶段二.深度学习入门阶段三.实战入门小结 引言　　 拿到这份文档时想必你的脑海中一直萦绕着这么一个问题，“机器学习/深度学习要怎么学呢？（怎么入门，又怎么进一步掌握？）”。关于这个问题其实并没有一个标准答案，有的人可能适合自底向上的学，也就是先从理论和

阶段二.深度学习入门原文：http://blog.youkuaiyun.com/zyj098765/article/details/52860183 　　 　　在对机器学习有了一定的掌握后，就可以开始在深度学习方面的学习了。刚开始要注意对神经网络的一些基本概念的掌握，如什么是感知机、什么是多层感知机（前馈神经网络）、BP算法的原理与推导等。个人觉得一个比较好的学习方式是，以视频教程为主理出一个清晰的思路，

原文：http://blog.youkuaiyun.com/zyj098765/article/details/52860693 阶段三.实战入门　 　　“实战入门”并不是指从这里才开始实战，而是说到这个阶段可以去网上找一些感兴趣的开源项目玩一玩了。“开源”可以算是这个领域的一大特点了，从各个实验室到各大公司，都有非常多的开源项目值得学习，而且更新速度特别快，比如11月才举行的ECCV，部分已被录用的论文的

CNN中权值共享理解 转自：http://blog.youkuaiyun.com/lien0906/article/details/51249947 第一步，针对一个神经元，一幅640*360图像，一个神经元要对应640*360个像素点，即一个神经元对应全局图像，全连接的话一个神经元就有640*360个参数； 第二步，然而，图像的空间联系是局部的，就像人是通过一个局部的感受野去感受外界图像一样，每一个神经

import numpy as npimport tensorflow as tfimport matplotlib.pyplot as plt#get 100 pointer meet y=0.1x+0.3num_points=100vectors_set=[]for i in range(num_points): x1=np.random.normal(0.0,0.55)...

MCNN-人群密度检测-密度图制作-数据集-标注工具等，这里的内容主要是本人在学习过程中在网络上收集所得。也有部分自己的改写。费了半天劲儿整理，绝对物超所值，如有侵权，请及时联系我删除。资源链接...