zfq的专栏

将稀疏自编码器与softmax回归结合起来，形成一个简单的三层网络，数据还是mnist，即第一层为28*28个神经元的输入层，中间一个200个神经元的隐藏层，后面再跟一个softmax的5分类loss层。 首先用稀疏自编码的方法无监督训练隐藏层，数据为5-9label的图像，将隐藏层的权值W1训练成下面这样的模式（之前已经做过的）： 为200张图片，每张图片都是一个神经元的权值按顺序组成的数

今天学习了Ufldl上的Softmax回归，最后按照步骤完成了Exercise，教程很好，学到了很多，谢谢Ng…这里贴上代码作为记录。softmaxCost.mfunction [cost, grad] = softmaxCost(theta, numClasses, inputSize, lambda, data, labels)% numClasses - the number of class

网上已经有很多人对这个练习有过实践和经验分享了，参考了一些人的代码，都差不多，也只能这样写了基本上，只有pool时有点区别，不过感觉速度并不会差太多。 代码如下。cnnConvolve.mfunction convolvedFeatures = cnnConvolve(patchDim, numFeatures, images, W, b, ZCAWhite, meanPatch)%cnnCon

今天看了一天的稀疏自编码器，也跑了UFLDL教程 http://ufldl.stanford.edu/wiki/index.php/Exercise:Sparse_Autoencoder 上的exercise，参考了很多博客的代码，谢谢http://blog.youkuaiyun.com/llp1992/article/details/45579615 ， 很快就跑通了，最后得到的权值结果， 这

在看完卜居老师的《21天实战Caffe》第六章后收获颇丰，对之前在Caffe官网看的Tutorial，超入门的examples mnist的训练与识别终于有了一个比较清晰的认识。果然还是对英语写的指导不太敏感呢(T_T)...感谢卜居大大写的书~~首先，了解一下什么是minst，如果说“Hello World”是所有编程语言的第一个入门练习的话，那mnist就是深度学习方面的“Hello

2017.01.09 make -j命令导致系统奔溃，大概已经编译完了，不过就是卡在那个终端不退出，鼠标键盘任何输入都没有反应，很奇怪，前两天还没有这种情况的。。目前原因不明，不过在多次尝试后，使用make -j4 或 make -j8命令就可以正常编译了。

最近读了几篇关于DRIVE数据集的文章，来完成斯坦福公开课cs231n最后的Final Project，还有zju两门课的作业，哈哈哈，一举三得(^__^) ～～ 大概目标就是分割血管，如下图： 虽然是个很老的数据库，不过近几年在深度学习的热度下，又有很多人拿来做，尤其是这几个印度学(a)者(san)，Ensemble of Deep Convolutional Neural Net