lml77的博客

*交叉熵 *softmax回归 *多分类代码实现 一、交叉熵 二、 Softmax 回归 三、 多分类代码实现 Softmax 回归：

*什么是神经风格转换？ *深度卷积网络到底在学什么？ *代价函数（Cost function） *一维到三维推广 一、什么是神经风格转换？ 描述神经网络迁移: 二、深度卷积网络到底在学什么？ 起初隐藏层可视化输出: 中间隐藏层可视化输出： 三、代价函数（Cost function） 梯度下降： 内容代价函数 ： 风格代价函数： 计算不同通道之间激活项的相关系数： ...

*形态学转换 *Canny 边缘检测 *直方图 *直方图均衡化 *图像傅里叶变换 *模板匹配 一、形态学转换 腐蚀： 膨胀： 开运算和闭运算： 形态学梯度： 二、Canny 边缘检测 Canny 边界检测的代码： 边界检测的结果： 三、直方图 多通道（BGR）直方图代码： 原图和多通道（BGR）直方图： 四、直方图均衡化 五、图像傅里叶变换 周期信号的傅里叶级数： ...

*使用开源的实现方案 *迁移学习（Transfer Learning） *数据扩充 *Tensorboard使用 一、使用开源的实现方案 二、迁移学习（Transfer Learning） 例子：分类器： 采取的方法： TensorFlow实现迁移学习： 三、数据扩充 随机裁剪： 彩色转换： 四、 Tensorboard使用 背景 在复杂的问题中，网络往往都是很复杂的。为了方便调试...