sinoaidi的博客

cuda安装在ubantu或者linux mint上面安装cuda时，首先要进入系统管理，然后进入驱动管理器，更新驱动（Nvidia推荐）。首先安装pip：输入命令行sudo apt-get install python-pip python-dev安装自带gpu的tensorflow版本（0.7）sudo pip install http://7u2rod.com1.z0

PS：为了方便大家使用，我提供一个百度云盘，用于分享部分安装过程中需要用到的软件包和链接地址（所有软件包仅供学术交流使用，请大家尽量去官网下载。）。链接: http://pan.baidu.com/s/1c2lZAes 密码: tmch简单介绍一下：Caffe，一种Convolutional Neural Network的工具包，和Alex的cuda-convnet功能类似，但各有特点。都

如何在C++中实现一个神经网络类?主要有四个不同的类需要我们来考虑:层 - layers层中的神经元 - neurons神经元之间的连接 - connections连接的权值 - weights这四类都在下面的代码中体现, 集中应用于第五个类 - 神经网络(neural network)上. 它就像一个容器, 用于和外部交流的接口. 下面的代码大量使用了STL的vector

自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互有增益。正文之前，先说几点自己对于CNN的感触。先明确一点就是，Deep Learning是全部深度学习算法的总称，CNN是深度学习算法在图像处

神经网络的训练过程，就是通过已有的样本，求取使代价函数最小化时所对应的参数。代价函数测量的是模型对样本的预测值与其真实值之间的误差，最小化的求解一般使用梯度下降法（Gradient Decent）或其他与梯度有关的方法。其中的步骤包括：初始化参数。求代价函数关于参数的梯度。根据梯度更新参数的值。经过迭代以后取得最佳参数，从而完成神经网络的训练。 其中最重要的步骤就是

首先带着以下五个问题阅读：1.每个图如何卷积：  （1）一个图如何变成几个图？  （2）卷积核如何选择？2.节点之间如何连接？3.S2-C3如何进行分配？4.16-120全连接如何连接？5.最后output输出什么形式？① 各个层解释：   我们先要明确一点：每个层有多个Feature Map，每个Feature Map通过一