holy的博客

这是一篇向初学者讲解卷积神经网络的系列文章，机器之心编译了已经发表了的 Part 1 和 Part 2。此系列文章若有更新，机器之心依然会分享给大家。

转自 http://blog.youkuaiyun.com/u014365862/article/details/52710698本课程笔记是基于今年斯坦福大学Feifei Li, Andrej Karpathy & Justin Johnson联合开设的Convolutional Neural Networks for Visual Recognition课程的学习笔记。目前课程还在更新中，此学习笔

转自：http://blog.youkuaiyun.com/hewb14/article/details/53414068Keras是一个用于在Python上搭神经网络模型的框架，语法和torch比较相似。我个人认为Keras最大的特点是包装很好，一些在训练过程中要输出的方法和常用的优化函数、目标函数都已经内置了，非常适合用来写大作业。Keras和python的哲学有些相似，那就是尽量不自己造轮子。但

原文链接：https://zhuanlan.zhihu.com/p/23249000目录场景分类数据增强数据增强对最后的识别性能和泛化能力都有着非常重要的作用。我们使用下面这些数据增强方法。第一，对颜色的数据增强，包括色彩的饱和度、亮度和对比度等方面，主要从Facebook的代码里改过来的。第二，PCA Jittering，最早是由Alex在他201

转自：https://zhuanlan.zhihu.com/p/24738319大家应该都会有这样的经历：逛街时看到路人的萌犬可爱至极，可仅知是“犬”殊不知其具体品种；初春踏青，见那姹紫嫣红丛中笑，却桃杏李傻傻分不清……实际上，类似的问题在实际生活中屡见不鲜。如此问题为何难？究其原因，是普通人未受过针对此类任务的专门训练。倘若踏青时有位资深植物学家相随，不要说桃杏李花，就连差别甚微的青青河

转自：之前在博客《keras系列︱图像多分类训练与利用bottleneckfeatures进行微调（三）》一直在倒腾VGG16的fine-tuning，然后因为其中的Flatten层一直没有真的实现最后一个模块的fine-tuning。 看到github上有一份InceptionV3的fine-tuning并且可以实现。我看到的keras微调的方式分为以下两种： fin

转自：http://blog.youkuaiyun.com/sinat_26917383/article/details/72885715人脸识别热门，表情识别更加。但是表情识别很难，因为人脸的微表情很多，本节介绍一种比较粗线条的表情分类与识别的办法。本次讲述的表情分类是识别的分析流程分为：1、加载pre-model网络与权重；2、利用opencv的函数进行简单的人脸检

转自：http://blog.youkuaiyun.com/sinat_26917383/article/details/72857454 素质云博客不得不说，这深度学习框架更新太快了尤其到了Keras2.0版本，快到Keras中文版好多都是错的，快到官方文档也有旧的没更新，前路坑太多。 到发文为止，已经有theano/tensorflow/CNTK支持keras,虽然说tensorf

转自：http://blog.youkuaiyun.com/sinat_26917383/article/details/72859145不得不说，这深度学习框架更新太快了尤其到了Keras2.0版本，快到Keras中文版好多都是错的，快到官方文档也有旧的没更新，前路坑太多。 到发文为止，已经有theano/tensorflow/CNTK支持keras,虽然说tensorflow造势很

转自：http://blog.youkuaiyun.com/sinat_26917383/article/details/72861152不得不说，这深度学习框架更新太快了尤其到了Keras2.0版本，快到Keras中文版好多都是错的，快到官方文档也有旧的没更新，前路坑太多。 到发文为止，已经有theano/tensorflow/CNTK支持keras,虽然说tensorflow造势很

本文译自 Christopher Olah 的博文转自：http://www.jianshu.com/p/9dc9f41f0b29Recurrent Neural Networks人类并不是每时每刻都从一片空白的大脑开始他们的思考。在你阅读这篇文章时候，你都是基于自己已经拥有的对先前所见词的理解来推断当前词的真实含义。我们不会将所有的东西都全部丢弃，然后用空白的大脑进行思考

转自：http://blog.youkuaiyun.com/zy1034092330/article/details/62044941经过RCNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCN已经将特征抽取(feature extraction)，proposal提取，bounding box reg

目录(?)[-]问题基础一阶优化GDSGD更快的一阶优化ASGDAdaGradAdaDeltaAdamRpropRMSpropNAG总结辨其他优化方法转自：http://blog.youkuaiyun.com/shenxiaolu1984/article/details/52511202本文介绍常见的一阶数值优化算法，这些方法在现代神经网络框

卷积神经网络CNN经典模型整理Lenet，Alexnet，Googlenet，VGG，Deep Residual Learning

转自：https://zhuanlan.zhihu.com/p/22252270前言（标题不能再中二了）本文仅对一些常见的优化方法进行直观介绍和简单的比较，各种优化方法的详细内容及公式只好去认真啃论文了，在此我就不赘述了。SGD此处的SGD指mini-batch gradient descent，关于batch gradient descent, stochas