Don't worry,be happy

转自：http://blog.youkuaiyun.com/u012965373/article/details/52936875数学符号及读法大全常用数学输入符号： ≈ ≡≠＝ ≤≥ ＜ ＞ ≮ ≯ ∷ ±＋ － × ÷ ／ ∫∮ ∝ ∞ ∧ ∨ ∑∏∪ ∩ ∈ ∵ ∴  ⊥ ‖ ∠ ⌒  ≌ ∽ √  （） 【】｛｝ Ⅰ Ⅱ ⊕ ⊙∥α β γ δ ε 

•   RCNN        RCNN（Regions with CNN features）是将CNN方法应用到目标检测问题上的一个里程碑，由年轻有为的RBG大神提出，借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测问题的转化。        算法可以分为四步：        1）候选区域选择        Region Proposal是一类传统的区域提取方...

Softmax在机器学习中有非常广泛的应用，但是刚刚接触机器学习的人可能对Softmax的特点以及好处并不理解，其实你了解了以后就会发现，Softmax计算简单，效果显著，非常好用。我们先来直观看一下，Softmax究竟是什么意思我们知道max，假如说我有两个数，a和b，并且a>b，如果取max，那么就直接取a，没有第二种可能但有的时候我不想这样，因为这样会造成分值小的那个饥饿。所以我希望分...

优化方法总结参考优化方法总结参考深度学习最全优化方法总结比较An overview of gradient descent optimization algorithms目录优化方法总结SGD1 Batch gradient descent2 Stochastic gradient descent3 Mini-batch gradient descent三种gradient descent对比Mi...

作者：忆臻链接：https://www.zhihu.com/question/22178202/answer/161732605来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 首先我们要区分信息量和信息熵的区别。下面根据我的理解一步一步引出信息熵及其公式的来源：信息熵的公式先抛出信息熵公式如下：其中 代表随机事件X为 的概率，下面来逐步介绍信息熵的公式来源！信息量信...

Deep Learning论文笔记之（四）CNN卷积神经网络推导和实现zouxy09@qq.comhttp://blog.youkuaiyun.com/zouxy09          自己平时看了一些论文，但老感觉看完过后就会慢慢的淡忘，某一天重新拾起来的时候又好像没有看过一样。所以想习惯地把一些感觉有用的论文中的知识点总结整理一下，一方面在整理过程中，自己的理解也会更深，另一方面也方便未来自己的勘察。更好...

前言最近机器学习越来越火了，前段时间斯丹福大学副教授吴恩达都亲自录制了关于Deep Learning Specialization的教程，在国内掀起了巨大的学习热潮。本着不被时代抛弃的念头，自己也开始研究有关机器学习的知识。都说机器学习的学习难度非常大，但不亲自尝试一下又怎么会知道其中的奥妙与乐趣呢？只有不断的尝试才能找到最适合自己的道路。请容忍我上述的自我煽情，下面进入主题。这篇文章主要对机器学...

def one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None): """Returns a one-hot tensor. The locations represented by indices in `indices` take value...

1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf #定义‘符号’变量，也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op节点 sess = tf.Session()...

转自：https://blog.youkuaiyun.com/qq_21949357/article/details/77987928这个问题是在学习Tensorflow当中，reshape与set_shape的区别时引出的。在学习Tensorflow的cifar10代码的时候，发现在处理cifar数据集的读入数据时，demo使用的是如下代码来处理读入数据而不是直接使用熟悉的reshape。float_ima...

转自：http://blog.youkuaiyun.com/wangyangzhizhou/article/details/77332582前面已经详细讲了LSTM神经网络（文末有链接回去），接着往下讲讲LSTM的一个很流行的变体。GRU是什么GRU即Gated Recurrent Unit。前面说到为了克服RNN无法很好处理远距离依赖而提出了LSTM，而GRU则是LSTM的一个变体，

今天的内容有：LSTM 思路LSTM 的前向计算LSTM 的反向传播关于调参LSTM长短时记忆网络(Long Short Term Memory Network, LSTM)，是一种改进之后的循环神经网络，可以解决RNN无法处理长距离的依赖的问题，目前比较流行。长短时记忆网络的思路：原始 RNN 的隐藏层只有一个状态，即h，它对于短期的输入非常敏感。再增加一个状态，即c，让它来保存长期的状态，称为...

原文：An Intuitive Explanation of Convolutional Neural Networks作者：Ujjwal Karn翻译：Kaiser（王司图）什么是卷积神经网络？又为什么很重要？卷积神经网络(Convolutional Neural Networks, ConvNets or CNNs)是一种在图像识别与分类领域被证明特别有效的

pip install freetype-pypip install numpypip install opencv-pythonpip install tensorflow这里吐槽一下tensorflow中文社区，tensorflow中文社区的unix/linux的tensorflow安装命令是pip install https://storage.googleapis.co

由于使用TensorFlow 经常会涉及到使用numpy，但会出现API版本不匹配问题：要么是numpy有多个版本，要么是numpy只有最低版本。现在的版本是1.7的，去对应目录下删除该版本的numpy的文件，然后重新安装新版numpy由于直接使用pip和yum进行安装均不成功，所以只好下载 nump的zip文件进行安装：首先下载：wge

Mnist手写体识别是tensorflow的入门经典教程，此处的mnist的手写体识别率达到了91%，优化算法为梯度下降算法，激活函数为softmax回归，没有中间层，基本步骤可以分为七步。1、设置变量2、设置数据与结果的计算关系(设置图)3、设置优化算法（梯度下降，train_step）4、设置激活函数（sotfmax）5、初始化数据6、开始训练7、模型评估代码如

本博客仅为作者记录笔记之用，不免有很多细节不对之处。还望各位看官能够见谅，欢迎批评指正。更多相关博客请猛戳：http://blog.youkuaiyun.com/cyh_24如需转载，请附上本文链接：http://blog.youkuaiyun.com/cyh_24/article/details/50593400日常 coding 中，我们会很自然的使用一些激活函数，比如：sigmoid

看了版上很多贴子，发现很多版友都在问“热门研究方向”、“最新方法”等。有同学建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题，我都有点纳闷，为什么不去读顶级会议上的论文？我无意否认以上文献的价值，但是在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。国内教材和CNKI上的基本是N年前老掉牙的东西。有人会质疑这些会议都只是EI。是的，这的确非常特殊：在许多其它领域，会议...

修改train_image_classifier中的这一句tf.app.flags.DEFINE_boolean('clone_on_cpu', True, 'Use CPUs to deploy clones.')参数的False改为True即可

本文转载自公众号《与有三学AI》为了压榨CNN模型，这几年大家都干了什么​mp.weixin.qq.com如果从2006年算，深度学习从产生到火爆已经十年了，在工业界已经产生了很多落地的应用。现在网络的深度已经可达1000层以上，下面我们关注一个问题：这些年大家是怎么“压榨”CNN模型的。首先回顾一下几个经典模型，我们主要看看深度和caffe模型大小。当然，在实际应用中，各自调试出的version...

导语：卷积神经网络日益增长的深度和尺寸为深度学习在移动端的部署带来了巨大的挑战，CNN模型压缩与加速成为了学术界和工业界都重点关注的研究领域之一。 作者：姜媚前言自从AlexNet一举夺得ILSVRC 2012 ImageNet图像分类竞赛的冠军后，卷积神经网络（CNN）的热潮便席卷了整个计算机视觉领域。CNN模型火速替代了传统人工设计（hand-crafted）特征和分类器，不仅提供了一种端到端...

转自：https://blog.youkuaiyun.com/Cyiano/article/details/75006883Tensorflow slim库使用小记slim库是tensorflow中的一个高层封装，它将原来很多tf中复杂的函数进一步封装，省去了很多重复的参数，以及平时不会考虑到的参数。可以理解为tensorflow的升级版。导入方式：import tensorflow as tfimport...

转载：https://blog.youkuaiyun.com/a819825294/article/details/51699211在机器学习、数据挖掘领域，工业界往往会根据实际的业务场景拟定相应的业务指标。本文旨在一起学习比较经典的三大类评价指标，其中第一、二类主要用于分类场景、第三类主要用于回归预测场景，基本思路是从概念公式，到优缺点，再到具体应用（分类问题，本文以二分类为例）。1.准确率P、召回率R、F...

标签传播算法（Label Propagation）及Python实现zouxy09@qq.comhttp://blog.youkuaiyun.com/zouxy09        众所周知，机器学习可以大体分为三大类：监督学习、非监督学习和半监督学习。监督学习可以认为是我们有非常多的labeled标注数据来train一个模型，期待这个模型能学习到数据的分布，以期对未来没有见到的样本做预测。那这个性能的源头--...

转自：https://blog.youkuaiyun.com/golden1314521/article/details/51251252一直很纠结Multi-class, Multi-label 以及 Multi-task 各自的区别和联系，最近找到了以下的说明资料：Multiclass classification means a classification task with more than tw...

人工智能大数据,公开的海量数据集下载,ImageNet数据集下载,数据挖掘机器学习数据集下载ImageNet挑战赛中超越人类的计算机视觉系统微软亚洲研究院视觉计算组基于深度卷积神经网络（CNN）的计算机视觉系统，在ImageNet 1000挑战中首次超越了人类进行对象识别分类的能力。他们的系统在ImageNet 2012分类数据集中的错误率已降低至4.94%。这个数据集包含约120万张训练图像、5...

可视化理解卷积神经网络原文地址：http://blog.youkuaiyun.com/hjimce/article/details/50544370作者：hjimce一、相关理论本篇博文主要讲解2014年ECCV上的一篇经典文献：《Visualizing and Understanding Convolutional Networks》，可以说是CNN领域可视化理解的开山之作，这篇文献告诉我们CNN的每一层到...

n01440764,丁鲷n01443537,金鱼n01484850,大白鲨n01491361,虎鲨n01494475,锤头鲨n01496331,电鳐n01498041,黄貂鱼n01514668,公鸡n01514859,母鸡n01518878,鸵鸟n01530575,燕雀n01531178,金翅雀n01532829,家朱雀n01534433,灯芯草雀n01537544,靛蓝雀,靛蓝鸟n0155899...

variable_names = [v.name for v in tf.trainable_variables()]values = sess.run(variable_names)for k, v in zip(variable_names, values): print("Variable: ", k) print("Shape: ", v.shape) prin...

转自：https://blog.youkuaiyun.com/jojozhangju/article/details/18678861原来对语音特征参数MFCC的提取过程不是很了解，最近做实验需要自己手动去提取，所以借此机会，深入的学习了一下，所以记录下来，希望能够对日后的学习有一定的帮助。一、MFCC概述 在语音识别（SpeechRecognition）和话者识别（SpeakerRecogn...

光流（optic flow）是什么呢？名字很专业，感觉很陌生，但本质上，我们是最熟悉不过的了。因为这种视觉现象我们每天都在经历。从本质上说，光流就是你在这个运动着的世界里感觉到的明显的视觉运动（呵呵，相对论，没有绝对的静止，也没有绝对的运动）。例如，当你坐在火车上，然后往窗外看。你可以看到树、地面、建筑等等，他们都在往后退。这个运动就是光流。而且，我们都会发现，他们的运动速度居然不一样？这就给我们...

本文为极市平台原创收集，转载请附原文链接：https://blog.youkuaiyun.com/Extremevision/article/details/81875068————————————————————————————————————————————极市平台是专业视觉算法平台，主要为开发者提供真实项目需求，视觉算法开发等服务，点击填表**加入极市专业CV交流群，与6000+来自腾讯，华为，百度，...

谈到文本分类，就不得不谈谈CNN(Convolutional Neural Networks)。这个经典的结构在文本分类中取得了不俗的结果，而运用在这里的卷积可以分为1d 、2d甚至是3d的。 下面就列举了几篇运用CNN进行文本分类的论文作为总结。 1 yoon kim 的《Convolutional Neural Networks for Sentence Classification》。（

import tensorflow as tfg1 = tf.Graph()with g1.as_default(): v = tf.get_variable("v", initializer=tf.zeros_initializer(), shape=[3])g2 = tf.Graph()with g2.as_default(): v = tf.get_variabl

最近都比较忙，学习的时间也被压缩得很惨，总是有烦心事啊，=。=啥时候又来这吐槽吐槽。这里是一个最最简单的tensorflow的运用的例子，其中y=1.1x+0.5，此处要预测的就是1.1以及0.5的值，y还有x为变量。基本流程上来说就是：1、定义训练数据；2、定义训练规则；3、定义误差计算方法；4、定义训练算法；5、开始训练。具体的说明见注释。import

模型：指从数据当中学到的结果维：代表样本具有的特征数特征：样本的某一个明确的属性向量：样本的特征的集合标记：对于样本所需求得的值分类：代表预测值为离散的回归：代表预测值为连续的二分类任务：标记的预期值只有两个多分类任务：标记的预期值有多个聚类：将训练集中的样本分成若干组簇：上述聚类中的组监督学习：分类与回归，带有标记的学习非监督学习：聚类，不带有标记

转自：http://www.jianshu.com/p/55755fc649b1理解条件随机场最好的办法就是用一个现实的例子来说明它。但是目前中文的条件随机场文章鲜有这样干的，可能写文章的人都是大牛，不屑于举例子吧。于是乎，我翻译了这篇文章。希望对其他伙伴有所帮助。原文在这里[http://blog.echen.me/2012/01/03/introduction-to-condition

转自：http://blog.youkuaiyun.com/carson2005/article/details/393674811、随机过程：描述某个空间上粒子的随机运动过程的一种方法。它是一连串随机事件动态关系的定量描述。随机过程与其它数学分支，如微分方程、复变函数等有密切联系，是自然科学、工程科学及社会科学等领域研究随机现象的重要工具。 2、马尔科夫随机过程：是随

When we hear about Convolutional Neural Network (CNNs), we typically think of Computer Vision. CNNs were responsible for major breakthroughs in Image Classification and are the core of most Computer V

本文经机器之心（微信公众号：almosthuman2014）授权转载 选自PwC作者：Alan Morrison、Anand Rao机器之心编译参与：吴攀、晏奇  机器学习正在进步，我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用，但机器学习的发展仍还在继续，甚至被认为有可能彻底改变人类文明