阳光玻璃杯

github地址： CupDnn地址（给个小星星呗^~^） RNN的原理？ 。。。。嗯。。。不想多说，很多介绍其原理的文章，所以这里就不啰嗦了。 为什么推荐CupDnn中实现的rnn? 足够简单，可能是最简单的实现吧，很容易学习。 有例子吗？ 有的。给的例子是计算两个数相加。比如1+1=2 ， 0.5+0.5=1。。。。 额？？？？这需要用深度学习？不需要，但是用rnn来实现别有一...

CupCnn是一个用java写的卷积神经网络。 支持L1、L2正则化 正则化的理论非常复杂，推导过程也比较繁琐，但是实现确实异常的容易，主要体现在权重的衰减。通俗的讲，就是我们每次在更新权重w的时候，可以的让他比应该的大小减小一点。 // TODO Auto-generated method stub float[] wData = w.getData(); float[] grad...

结果展示 最近尝试做了下人脸检测，先上两张效果图吧： 这已经是跳出来的效果比较好的图片了，表现的确是有点差。 我用了4000（19*19）多张人脸图片和8000（19*19）多张非人脸图片训练出了这个卷积模型。这个数据量确实有点少，所以效果不太好也是可以理解的。主要还是分享做人脸检测的经历。但是，我还是相信只要给我充分的数据，我也可以训练出高质量的模型。 FaceDetector ...

前言 我在写CupCnn的时候，一个困扰我很久的问题，就是如何组织卷积神经网络的数据结构。尤其是卷积层和全连接层之间的衔接问题。卷积层至少需要四维的数据结构（batch+channel+height+width）,而全连接层则只需一个二维的数据即可（batch+数据）。 CupCnn是我用java实现的一个卷积神经网络，它的源码可以从github下载： 点击下载CupCnn 卷积神经...

前言 在机器学习中，卷积神经网络是一种深度前馈人工神经网络，已成功地应用于图像识别。目前，很多的车牌识号识别，人脸识别等都采用卷积神经网络，可以说卷积神经网络在图像识别方面取得了巨大的成功。当前开源的深度学习框架有很多了，比如caffe,tensorflow,torch等，这些深度学习框架包含了完善的卷积神经网络的实现，那么，为什么我们还要自己写卷积神经网络？直接用这些开源的深度学习框架多好，又...