墨尘的神经网络
关注
分享
扫一扫
记录神经网络相关知识点
我是尘客哥
梦想源于对技术的执着追求
展开
-
tensorflow经验总结（持续更新）
经验教训：1、输入网络的图像一定要先随机批量查看！！，如果网络的loss很大或者有奇怪的结果时，不仅要检查网络结构，还要看输入是否在预处理的时候遭到了破坏.def sample_stack(stack, rows=6, cols=6, start_with=0, show_every=5): """ 批量展示图片，很好用的工具 args: stack: shape:(N,H,W), ...原创 2020-02-24 10:58:44 · 469 阅读 · 0 评论 -
VGG16模型训练自己数据集
什么是VGG16模型VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。该模型参加2014年的 ImageNet图像分类与定位挑战赛，取得了...原创 2020-02-22 15:53:56 · 9804 阅读 · 0 评论 -
墨尘经典神经网络0--络经典模型对比分析及其改进点汇总（持续更新）
经典神经网络的改进点原创 2020-03-17 14:04:17 · 170 阅读 · 0 评论 -
墨尘的神经网络9--MobileNet V3模型代码复现及要点记录
什么是MobileNetV3最新的MobileNetV3的被写在了论文《Searching for MobileNetV3》中。它是mobilnet的最新版，据说效果还是很好的。作为一种轻量级网络，它的参数量还是一如既往的小。它综合了以下四个特点：1、MobileNetV1的深度可分离卷积（depthwise separable convolutions）。2、MobileNetV2的...原创 2020-03-15 14:31:32 · 515 阅读 · 0 评论 -
墨尘的神经网络8--EfficientNet网络模型代码复现及要点记录
什么是EfficientNet模型2019年，谷歌新出EfficientNet，网络如其名，这个网络非常的有效率，怎么理解有效率这个词呢，我们从卷积神经网络的发展来看：从最初的VGG16发展到如今的Xception，人们慢慢发现，提高神经网络的性能不仅仅在于堆叠层数，更重要的几点是：1、网络要可以训练，可以收敛。2、参数量要比较小，方便训练，提高速度。3、创新神经网络的结构，学到更重要的...原创 2020-03-13 22:46:37 · 1321 阅读 · 0 评论 -
墨尘的神经网络10--facenet模型代码复现及要点记录
什么是facenet谷歌人脸检测算法，发表于 CVPR 2015，利用相同人脸在不同角度等姿态的照片下有高内聚性，不同人脸有低耦合性，提出使用 cnn + triplet mining 方法，在 LFW 数据集上准确度达到 99.63%。通过 CNN 将人脸映射到欧式空间的特征向量上，实质上：不同图片人脸特征的距离较大；通过相同个体的人脸的距离，总是小于不同个体的人脸这一先验知识训练网络。测...原创 2020-03-13 19:31:17 · 416 阅读 · 0 评论 -
墨尘的神经网络6--Alex Net模型代码复现及要点记录
什么是AlexNet模型AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后，更多的更深的神经网络被提出，比如优秀的vgg,GoogLeNet。 这对于传统的机器学习分类算法而言，已经相当的出色。如下是其网络的结构，现在看来还是比较简单的。...原创 2020-03-10 17:24:32 · 377 阅读 · 0 评论 -
墨尘的神经网络5--MobileNet V2模型代码复现及要点记录
什么是MobileNetV2模型MobileNet模型是Google针对手机等嵌入式设备提出的一种轻量级的深层神经网络，其使用的核心思想便是depthwise separable convolution。MobileNetV2是MobileNet的升级版，它具有两个特征点：1、Inverted residuals，在ResNet50里我们认识到一个结构，bottleneck design结构...原创 2020-03-10 17:24:13 · 345 阅读 · 0 评论 -
墨尘的神经网络3--Xception 模型代码复现及要点记录
什么是Xception模型Xception是谷歌公司继Inception后，提出的InceptionV3的一种改进模型，其改进的主要内容为采用depthwise separable convolution来替换原来Inception v3中的多尺寸卷积核特征响应操作。在讲Xception模型之前，首先要讲一下什么是depthwise separable convolution。对于一个卷积点...原创 2020-03-09 14:41:11 · 824 阅读 · 0 评论 -
墨尘的神经网络2--inceptionV3 代码复现及要点记录
什么是InceptionV3模型InceptionV3模型是谷歌Inception系列里面的第三代模型，其模型结构与InceptionV2模型放在了同一篇论文里，其实二者模型结构差距不大，相比于其它神经网络模型，Inception网络最大的特点在于将神经网络层与层之间的卷积运算进行了拓展。如VGG，AlexNet网络，它就是一直卷积下来的，一层接着一层；ResNet则是创新性的引入了残差网络...原创 2020-03-09 14:40:48 · 334 阅读 · 0 评论 -
墨尘的神经网络4--MobileNet 模型代码复现及要点记录
什么是MobileNet模型MobileNet模型是Google针对手机等嵌入式设备提出的一种轻量级的深层神经网络，其使用的核心思想便是depthwise separable convolution。对于一个卷积点而言：假设有一个3×3大小的卷积层，其输入通道为16、输出通道为32。具体为，32个3×3大小的卷积核会遍历16个通道中的每个数据，最后可得到所需的32个输出通道，所需参数为16×...原创 2020-03-08 16:09:35 · 480 阅读 · 0 评论 -
墨尘的神经网络1--resnet50模型代码复现及要点记录
什么是残差网络Residual net(残差网络)：将靠前若干层的某一层数据输出直接跳过多层引入到后面数据层的输入部分。意味着后面的特征层的内容会有一部分由其前面的某一层线性贡献。其结构如下：ResNet50有两个基本的块，分别名为Conv Block和Identity Block，其中Conv Block输入和输出的维度是不一样的，所以不能连续串联，它的作用是改变网络的维度；Iden...原创 2020-03-07 23:39:00 · 868 阅读 · 0 评论