关于深度学习的一些比较好的网站总结

神经网络模型之AlexNet的一些总结                          http://www.cnblogs.com/gongxijun/p/6027747.html

卷积与滤波的一些特点                                                 http://blog.youkuaiyun.com/zouxy09/article/details/49080029

深度神经网络结构以及Pre-Training的理解              http://www.cnblogs.com/neopenx/p/4575527.htmlalexnet

模型详解  对 relu进行了详解                                       http://blog.youkuaiyun.com/maweifei/article/details/53117830

一个比较好的关于图像识别与深度学习总结的博主 http://blog.youkuaiyun.com/zouxy09/article/category/1218762/2

caffe框架中 LRN层有什么作用。改变各个参数会有怎么的效果  ps:2012的alex net当中,使用了LRN,然而在very deep convolutional networks for large-scale image recognition又说没用,具体看实验数据                     https://www.zhihu.com/question/26871787

局部响应归一化笔记                                                     http://blog.youkuaiyun.com/hduxiejun/article/details/70570086   LRN(Local Response Normalization)

降采样和升采样                                                             http://blog.youkuaiyun.com/u013146742/article/details/51865522

池化层                                                                             http://blog.youkuaiyun.com/tianrolin/article/details/52584848 

激活函数的作用                                                             http://www.cnblogs.com/steven-yang/p/6357775.html 

全连接层的作用到底是什么                                         https://www.zhihu.com/question/41037974

一文弄懂神经网络中的反向传播法                             http://www.cnblogs.com/charlotte77/p/5629865.html

一维卷积过程                                                                 http://blog.sina.com.cn/s/blog_7445c2940102wmrp.html

python2.7与3并存安装                                                 http://www.cnblogs.com/CongZhang/p/5619093.html

t-分布邻域嵌入算法(t-SNE algorithm)简单理解  http://blog.youkuaiyun.com/lzl1663515011/article/details/46328337

linux下安装boost                                                           http://blog.youkuaiyun.com/simtwo/article/details/8083598




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值