Atomwh的专栏

定义 BP算法，误差反向传播（Error Back Propagation, BP）算法。其最常见的应用是在前馈神经网络中。BP算法的基本思想是，神经网络的学习过程由信号的正向传播与误差的反向传播两个过程组成，信号经过逐层计算得到最终层的值，其值与样本目标值有一定的误差。最后一层的误差由前面多层神经网络加权而成，通过将误差进行反向传播来得到每一层的误差，最后通过每层的误差来调整神经网络的权值。由

前言本文主要讲解在Ubuntu16.04 LTS系统上通过Anaconda安装配置不同版本的CUDA、CUDNN、TensorFlow以及Keras。在其它版本的Ubuntu上应该也是适用的（没有经过验证）。 由于需要安装的软件包很多，不同版本之间的适配就是一个比较大的问题，经过尝试采用了下面的搭配：Anaconda 5.0.1+python3.5+CUDA 8.0+CUDNN 6.0 +T...

windows下Tensorflow的安装。

Python调用imsave报错ImportError: cannot import name imsave在运行一python代码时，需要导入imsave函数，该函数属于scipy包，单独导入该包是成功的，但下面的用法是错误的：from scipy.misc import imsave运行时显示：ImportError: cannot import name imsave

Anaconda离线安装Keras前段时间在windows10下安装好Anaconda和TensorFlow之后，当时没有使用。在最近运行一开源代码时需要安装Keras库，使用Anaconda进行安装。在安装的过程中由于速度实在太过缓慢(；д；)，决定换一种方法进行安装。

Jupyter Notebook及主题更换Jupyter Notebook是一个开源的Web应用程序，可以创建和共享包含实时代码，方程式，可视化和说明文本的文档。 用途包括：数据清理与转换，数值模拟，统计建模，机器学习等等。本身Anaconda安装后会自动装上，但在我们新建一个环境的时候默认是不带Jupyter Notebook的，这里即是在这情况下安装Jupyter。

使用CUDA_VISIBLE_DEVICES。此时的运行命令如下： CUDA_VISIBLE_DEVICES=1 python train.py

前言在看图像语义分割方面的论文时，发现在网络解码器结构中有的时候使用反卷积、而有的时候使用unpooling或或者unsampling，查了下资料，发现三者还是有不同的。这里记录一下。图示理解使用三张图进行说明： 图（a）表示UnPooling的过程，特点是在Maxpooling的时候保留最大值的位置信息，之后在unPooling阶段使用该信息扩充Feature Map，除最大值

引言本Blog用于记录在深度学习实验中一些需要注意的一些小陷阱、小Trick。防止自己再次入坑。 本贴长期更新数据处理1. 生成的数据集保存成npy文件时过大在深度学习中，如果我们只有少量数据，则会采用数据扩充方法。比如一张图像扩充成20张。这样的过程汇带来存储空间的不足。后来发现，在numpy中如果不注意的话，经过一定的运算后的数组类型往往是float 类型，而浮点...