张小牙的博客

笔记本是双显卡，读研的时候成功的在Ubuntu下配置好了一次Caffe，并且完成了深度学习的实验，前不久因为一个小的问题，导致NVIDIA驱动出了问题，以后再也没有在Ubuntu下成功配置好Caffe，不浪费时间在双显卡配置上了，转移到Windows下，正好也方便整理笔记。首先是我的安装过程中需要注意的问题，其实大部分问题都是阅读完整个文档都可以解决，但是通常不喜欢阅读英文文档，或者一眼带过，很容易

在Windows10 上完成了配置，还没来得及测试，在Ubuntu下完成测试非常简单，在Caffe的根目录中有一个data的文件夹，这里面又包含了三个文件夹，分别对应了三个数据来源：cifar10 – 数据集ilsvrc12mnist – 手写字体数据库 数据集下载每个目录下都有 一个shell的脚本文件，在Ubuntu下的terminal运行，自动下载数据。 比如下载mnist数据集的脚

@(人工智能)BP神经网络推导–通过误差传递学习内部表达这是研一学习一门课程的课程实践，当时和另一位实验室小伙伴合作完成BP神经网络的推导以及部分应用，参考的是一本外文书籍（影印版）的部分章节，有我自己翻译的部分，也有自己的理解，整理在一起。问题的来源在这之前，通过两层网络结构了解一些概念！ 之前学习过两层网络的问题，是一种简单的直接映射网络，只有输入层和输出层，输入模式经过输入层与输出层映射，得

只能称作草稿了，思路实在是太乱了，仅能记住一些基本的过程最近要做作业了，才想起来要安装svm，以前从来没接触过这个东东，以为就像Eclipse安装插件一样简单，但是真入手还真给难住了，不是开源的东西就是差了一点：系统是Win8.1 64位安装的是Matlab2012a  也是64位（PS以前用的是Win7 32位，安装了MatLab2012a 32位的，感觉很好使，但是

今天在星巴克呆了一天，复习了一下学习的内容，翻到了研一期间旁听人工智能的课程设计，第一个完全写的一个基于SVM的图像分类任务，记得当时我是实验室第一个独立完成课程设计的，其他小伙伴还是参考我的代码，现在工业界，已经被漫天的深度学习覆盖，难道忘记了曾经万能的SVM了吗？还是写一遍小文，整理一下笔记，万一有初学者想要参考一下呢，也督促自己熟悉曾经做过的工作。当时还在优快云上写过一篇文章，原因是用mat

反向传播理解–从抽象到具体反向传播是深度学习的基础理论知识，在去年很早的时候，就把研究生期间学习推导BP的过程总结了一下，写了一篇文章，但是给同事分享的时候还是发现不能非常清晰的让大家理解什么是反向传播，反思一下，可能是那篇文章讲的太细节了，不能从宏观的角度理解，这一篇文章从抽象的角度出发，忽略公式推导的细节，然后反过来研究全连接层的误差回传。写在前面神经网络从计算的角度看，数据是从底...