wuxiaosi808的博客

17. 持续更新...16. 目标检测算法(第16期)--YOLO-V2算法结构详解15. 目标检测算法(第15期)--YOLO-V1损失函数详解14. 目标检测算法(第14期)--YOLO-V1检测算法详解13. 目标检测算法(第13期)--SSD检测算法必须知道的几个关键点12. 目标检测算法(第12期)--SSD检测算法结构详解11. 目标检测算法(第11期)--Faster RCNN的损失函数以及如何训练？10. 目标检测算法(第10期)--Faster RCNN检测算法

通俗理解卷积神经网络（cs231n与5月dl班课程笔记）1 前言    2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。    本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2

在前面我们讲到了DNN，以及DNN的特例CNN的模型和前向反向传播算法，这些算法都是前向反馈的，模型的输出和模型本身没有关联关系。今天我们就讨论另一类输出和模型间有反馈的神经网络：循环神经网络(Recurrent Neural Networks ，以下简称RNN)，它广泛的用于自然语言处理中的语音识别，手写书别以及机器翻译等领域。1. RNN概述　　　　在前面讲到的DNN和CNN中，训练样

首先先让我们来定义一下什么是“深度学习”。对很多人来说，给“深度学习”下一个定义确实很有挑战，因为在过去的十年中，它的形式已经慢慢地发生了很大的变化。先来在视觉上感受一下“深度学习”的地位。下图是AI、机器学习和深度学习三个概念的一个关系图。AI的领域要相对较广泛，机器学习是AI的一个子领域，而深度学习是机器学习领域中的一个子集。深度学习网络与“典型”的前馈多层网络之间是有一些区别...

# -*- coding:utf-8 -*-import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_data#加载数据集mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)# x...

端到端的MNIST训练数字识别# -*- coding:utf-8 -*-import numpy as npfrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers import Dense,Dropout,Flattenfrom keras.layers.convol...