深度学习
关注
分享
扫一扫
Lazyinit
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
Python 3.7 两步安装dlib(超简单！亲测有效)
步骤1 下载地址dlib-19.17.99-cp37-cp37m-win_amd64.whl文件链接：https://pan.baidu.com/s/1VrDssoHfcTbAGGB6cRIwBQ提取码：76u8步骤2 在存放dlib-19.17.99-cp37-cp37m-win_amd64.whl的目录下pip install dlib-19.17.99-cp37-cp37m-win_amd64.whl安装成功！恭喜恭喜~（根据大家反馈，将3步改为两步即可成功安装，感谢！一起加油吧~）转载 2020-08-28 10:35:30 · 998 阅读 · 0 评论 -
怎么用Anaconda安装TensorFlow？
怎么用Anaconda安装TensorFlow？【第1部分】：预准备1、检测anaconda环境是否安装成功2、检测目前电脑安装了哪些环境变量3、查看当前有哪些可以使用的tensorflow版本4、查看tensorflow包的信息及依赖关系【第2部分】：正式安装5、建立一个 conda 计算环境，创建一个专门的虚拟环境（env），命名为 tensorflow_env，并...原创 2019-12-30 11:22:08 · 1381 阅读 · 0 评论 -
06论文笔记《Reducing the Dimensionality of Data with Neural Networks》
通过神经网络实现降维简介：高维数据通过使用一个小中心层（神经元个数小于维数）的多层神经网络可以转换为低维数据，并可以通过此网络重建输入向量。梯度下降法可以用于在这个“自编码网络“ 调整参数，只是这种机理只在初始权值接近最优参数时有效。运用：特征降维广泛应用于分类、可视化、通信和高维数据存储过程。创新点：运用神经网络进行降维；概括介绍自编码器编码、解码过程：→编码→...原创 2019-12-16 09:28:51 · 1639 阅读 · 0 评论 -
05论文笔记《Video Super-Resolution via Bidirectional Recurrent Convolutional Networks》
《Video Super-Resolution via Bidirectional Recurrent Convolutional Networks》通过双向循环卷积网络实现视频超分辨率从RNN到BRCNSR简介：超分辨率(Super-Resolution, SR)是计算机视觉领域的一个经典应用, SR是指通过软件或硬件的方法, 从观测到的低分辨率图像重建出相应的高分辨...原创 2019-11-26 11:47:37 · 1375 阅读 · 0 评论 -
04论文笔记《Deep Residual Learning for Image Recognition》
《Deep Residual Learning for Image Recognition》基于残差学习的图像识别作者：Kaiming He、Xiangyu Zhang、Shaoqing Ren、Jian Sun【成绩】ResNet——MSRA何凯明团队的Residual Networks，2015年，在ImageNet的classification、detection、local...原创 2019-11-11 10:53:43 · 579 阅读 · 0 评论 -
【目录】【deplearning.ai】【吴恩达课后作业目录】
链接地址：https://blog.youkuaiyun.com/u013733326/article/details/79827273原创 2019-10-30 09:51:31 · 678 阅读 · 0 评论 -
03论文笔记《ImageNet Classification with Deep Convolutional Neural Network》
降低过拟合（reduce overfitting）我们的神经网络架构有6000万参数。尽管ILSVRC的1000类使每个训练样本从图像到标签的映射上强加了10比特的约束，但这不足以学习这么多的参数而没有相当大的过拟合。下面，我们会描述我们用来克服过拟合的两种主要方式。1.1 Date Augmentation图像数据上最简单常用的用来减少过拟合的方法是使用标签保留变换来人工增大数据集。我...原创 2019-10-07 16:05:22 · 300 阅读 · 0 评论 -
02论文笔记《ImageNet Classification with Deep Convolutional Neural Network》
结构我们的网络架构概括为图2。它包含八个学习层--5个卷积层和3个全连接层。下面，我们将描述我们网络结构中的一些新奇的不寻常的特性。3.1-3.4小节按照我们对它们评估的重要性进行排序，最重要的最优先。3.1 ReLU Nonlinearity（ReLU非线性 最优先）将神经元输出f建模为输入x的函数的标准方式是用f(x) = tanh(x)或f(x) = (1 + e−x)...原创 2019-10-07 16:04:21 · 369 阅读 · 0 评论 -
01论文笔记《ImageNet Classification with Deep Convolutional Neural Network》
基于卷积神经网络的图像分类作者：Alex Krizhevsky、Ilya Sutskever、Geoffrey E.Hinton单位：University of Toronto赛事：Large Scale Visual Recognition Challenge (ILSVRC)赛事介绍：Large Scale Visual Recognition Challenge (ILSVR...原创 2019-10-07 15:58:19 · 607 阅读 · 0 评论 -
深度学习——CNN入门
之前再B站上看到一个讲卷积神经网络入门的，感觉挺好的，截图抄下来了！三、卷积神经网络（CNN）卷积神经网络是如何工作的？ CNN可以解析二维数组表示的图像，并识别图片上的内容。以一个实验为例，使用CNN来判断输入的图片是X还是O； 将输入图片看作是一个9x9 的一个棋盘。利用CNN识别输入的图片是X或O。加大难度，如果每次给的X或O都不一样，例如：...原创 2019-09-23 10:33:43 · 535 阅读 · 0 评论 -
深度学习——基本组成元素
深度学习总结——引用《深度学习简介》，姚凯旋将深度学习的基础内容大致分为四个部分第一章 01基础“理论”是对深度网络中的一些专有名词作简要概述：神经元模型MP-神经元模型所谓M-P模型，其实是按照生物神经元的结构和工作原理构造出来的一个抽象和简化了的模型，它实际上就是对单个神经元的一种建模。（1）每个神经元都是一个多输入单输出的信息处理单元；（2）...原创 2019-09-23 10:24:20 · 1155 阅读 · 0 评论