Vinicier的专栏

梯度下降法与反向传播主要内容：梯度下降法 最优化 梯度下降 反向传播 梯度与偏导 链式法则 直观理解 Sigmoid 例子 1. 梯度下降（Gradient descent）初始权重不要都置为0，可用高斯分布。 随机初始化的目的是使对称失效。如果所有权重初始化为相同初始值，那么所有的隐藏层单元最终会得到与输入值相关的、相同的函数。import numpy as np W = np.random.ra

卷积神经网络（CNN）Keywords：常用网络：LeNet5 、AlexNet VGGNet、 GoogleNet、 ResNet、DenseNetfilter sizestripepadding参数共享机制fine tuning输入层、卷积层、激励层、池化层、全连接层、Softmax 输出层一般CNN结构依次为：一个CNN 层级结构示意图：卷积层：一组固定的权重和不同窗口内数据做内积，就是卷积。

图像语义分割图像语义分割 （Image semantic segmentation）1. N-cut 方法N-cut(Normalized cut): 早期一种图划分方法，它的思想主要是通过像素和像素之间的关系权重来综合考虑，根据给出的阈值，将图像一分为二。将像素信息简单描述为距离差，根据距离差来划分图像示例如下图：在实际运用中，每运行一次 N-cut，只能切割一次图片，为了分割出图像上的多个物体，