Zhenguo_Yan的博客

Python2.X与Python3.X代码笔记（1）：AttributeError: 'dict' object has no attribute 'iteritems'在交替使用Python2.X与Python3.X两种不同版本进行编程时，通常会遇到各种各样的AttributeError，本系列笔记将依据编程过程，罗列出本人所遇到的各种错误及解决方法。

TensorFlow实现经典深度学习网络（7）：TensorFlow实现双向长短时记忆循环神经网络        20世纪末，Schuster和Paliwal首次提出双向循环神经网络（Bi-directional Recurrent Neural Network ，Bi-RNN），长短时记忆模型LSTM也在同年被提出。Bi-RNN的主要目标是增加RNN可利用的信息。上节我门介绍来RNN的相关理论，然而，由于标准的循环神经网络（RNN）在时序上处理序列，可以处理不固定长度的时序数据，但他们往往忽略了未来的上

TensorFlow实现经典深度学习网络（6）：TensorFlow实现基于LSTM的语言模型循环神经网络(Recurrent Neural Networks，RNNs)出现于20世纪80年代，由于神经网络结构的进步和GPU上深度学习训练效率的突破，PNNs已经在众多自然语言处理(Natural Language Processing, NLP)中取得了巨大成功以及广泛应用。RNN对时间序列数据非常有效，其每个神经元可通过内部组件保存之前输入的信息。RNNs已经被在实践中证明对NLP是非常成功的，如词向量

TensorFlow实现经典深度学习网络（5）：TensorFlow实现自然语言处理基础网络Word2Vec        循环神经网络RNN是在自然语言处理NLP领域最常使用的神经网络结构，和卷积神经网络在图像识别领域的地位相似，影响深远。而Word2Vec则是将语言中的字词转化为计算机可以理解的稠密向量Dense Vector，进而可以做其他自然语言处理任务，比如文本分类、词性标注、机器翻译等。有时，Word2Vec也称Word Embedings，中文也有很多叫法，比较普遍的是“词向量”或“词嵌入”

YOLO: Real-Time Object Detection深度网络: 在Darknet上的实现方式        YOLO是一个最先进的实时对象检测系统，YOLO的升级版有两种：YOLOv2和YOLO9000[链接]。YOLO的发展主要有两个大方面的改进（1）是采用了一系列的方法优化YOLO的模型结构，产生了YOLOv2，在快速的同时准确率达到state of the art。同时，YOLOv2可以适应不同的输入尺寸，根据需要调整检测准确率和检测速度。（2）是采用wordtree的方法，综合Imag

TensorFlow实现经典深度学习网络（2）：TensorFlow实现VGGNet        VGGNet是经典的深度学习网络之一，由牛津大学的视觉几何组（Visual Geometry Group）提出，是ILSVRC-2014中定位任务第一名和分类任务第二名（top-5错误率7.3%,19层神经网络）。其探索了卷积神经网络的深度与其性能之间的关系，拓展性很强，通过反复堆叠

TensorFlow实现经典深度学习网络（1）：TensorFlow实现AlexNet    本文介绍的经典卷积神经网络为AlexNet，他是由Hinton的学生Alex Krizhevsky提出。AlexNet可以说是在2012年被发表的一个经典之作，它可以算是LeNet的一种更深更宽的版本，并在当年取得了ImageNet最好成绩，点燃了深度学习这把火。也是在那年之后，更多的更深

TensorFlow深度学习进阶教程：TensorFlow实现CIFAR-10数据集测试的卷积神经网络      TensorFlow是一个非常强大的用来做大规模数值计算的库。其所擅长的任务之一就是实现以及训练深度神经网络。本教程使用的数据集是CIFAR-10，这是一个非常经典的数据集，包含60000张32×32的彩色图像，其中训练集50000张，测试集10000张。对CIFAR-10 数

TensorFlow教程：TensorFlow实现自编码器        TensorFlow是一个非常强大的用来做大规模数值计算的库。其所擅长的任务之一就是实现以及训练深度神经网络。 实现自编码器和实现一个单隐含层的神经网络差不多，只不过在数据输入时做了标准化，并加上一个高斯噪声。        在本教程中，我将结合自己的亲身体会，介绍并构建一个TensorFlow自编码器（Au

Ubuntu16.04版本安装Anaconda+TensorflowUbuntu16.04系统下安装软件一直是“心头大患”，特别是安装Anacondahe和Tensorflow，可以说是一波三折。为了不让大家走弯路，快速的完成Anacondahe和Tensorflow的安装使用，本文结合自身的亲身体验介绍一个进行成功案列，既简单又实用。安装前确保Ubuntu16.04已经安装好，方法步骤：

Python图像特征检测算法（1）：Python实现SIFT和Harris 本文将介绍用于图像匹配的两种局部描述子算法，SIFT[论文链接]和Harris，它们在很多应用中都有比较重要的作用，比如目标匹配、目标跟踪、创建全景图、增强现实技术以及计算图像的三维重建，常用的特征有颜色、角点、特征点、轮廓、纹理等。Harris角点检测算法（也称Harris&Stephens角点检测器）是特征点检测的基础，是一个极为简单的角点检测算法。Harris提出了应用邻近像素点灰度差值概念，从而进行判断是否为角点（兴趣点）、