《深度学习笔记》

深度学习笔记——深度学习框架TensorFlow(五)[TensorFlow大规模线性模型教程]

参考网站：https://www.tensorflow.org/versions/r0.12/tutorials/linear/overview.html#large-scale-linear-models-with-tensorflowhttp://www.jianshu.com/p/afe41ae17a16Large-scaleLinearModelswithTensorFlow：Thetf.
R3·2020-08-17 02:57

深度学习笔记-用Python编写【房价预测】模型

本节将使用Python语言和Numpy库来构建神经网络模型，向读者展示神经网络的基本概念和工作过程。构建神经网络/深度学习模型的基本步骤深度学习模型具有一定的通用性，使得深度学习的门槛降低，这是深度学习得以重新占据计算机领域一席之地的重要原因，深度学习均可以从下述五个步骤来完成模型的构建和训练。数据处理：从本地文件或网络地址读取数据，并做预处理操作，如校验数据的正确性等。模型设计：完成网络结构的设
特立独行的猪鸭·2020-08-17 02:37

深度学习笔记（37） 交并比

深度学习笔记（37）交并比1.交并比2.评价准则1.交并比并交比（IntersectionoverUnion）函数，可以用来评价对象检测算法，判断对象检测算法运作是否良好在对象检测任务中，希望能够同时定位对象
氢键H-H·2020-08-17 01:44

深度学习笔记（36） 边界框预测

深度学习笔记（36）边界框预测1.不精准的输出边界框问题2.YOLO算法1.不精准的输出边界框问题在滑动窗口法中，取这些离散的位置集合，然后在它们上运行分类器在这种情况下，这些边界框没有一个能完美匹配汽车位置
氢键H-H·2020-08-17 01:44

深度学习笔记（34） 目标检测

深度学习笔记（34）目标检测1.目标检测算法2.图像滑动窗口操作3.滑动窗口目标检测算法缺点1.目标检测算法了解对象定位和特征点检测，现在来构建一个目标检测算法通过卷积网络进行对象检测，采用的是基于滑动窗口的目标检测算法假如想构建一个汽车检测算法先创建一个标签训练集
氢键H-H·2020-08-17 01:44

深度学习笔记（20） 端到端学习

深度学习笔记（20）端到端学习1.端到端的深度学习概念2.语音识别的端到端学习3.人脸识别的端到端学习4.机器翻译的端到端学习5.非端到端6.端到端的优缺点7.端到端的关键问题1.端到端的深度学习概念深度学习中最令人振奋的最新动态之一就是端到端深度学习的兴起简而言之
氢键H-H·2020-08-17 01:43

深度学习笔记（29） 1×1 卷积

深度学习笔记（29）1×1卷积1.1×1卷积2.1×1卷积的作用3.1×1卷积的应用1.1×1卷积在架构内容设计方面，其中一个比较有帮助的想法是使用1×1卷积过滤器为1×1，数字2输入一张6×6×1的图片
氢键H-H·2020-08-17 01:43

深度学习笔记（28） 残差网络

深度学习笔记（28）残差网络1.残差块2.深度网络的训练错误3.ResNets的作用4.ResNets的细节5.ResNets的结构1.残差块非常深的神经网络是很难训练的，因为存在梯度消失和梯度爆炸问题这时可以用跳跃连接
氢键H-H·2020-08-17 01:43

深度学习笔记（31） 迁移与增强

深度学习笔记（31）迁移与增强1.迁移学习2.大训练集的迁移学习3.迁移规律4.数据增强1.迁移学习如果要做一个计算机视觉的应用，相比于从头训练权重，或者说从随机初始化权重开始如果下载别人已经训练好网络结构的权重
氢键H-H·2020-08-17 01:43

深度学习笔记（27） 经典卷积网络

深度学习笔记（27）经典卷积网络1.前言2.LeNet-53.AlexNet4.VGGNet1.前言讲了基本构建，比如卷积层、池化层以及全连接层这些组件事实上，过去几年计算机视觉研究中的大量研究都集中在如何把这些基本构件组合起来形成有效的卷积神经网络最直观的方式之一就是去看一些案例就像很多人通过看别人的代码来学习编程一样通过研究别人构建有效组件的案例是个不错的办法实际上在计算机视觉任务中表现良好的
氢键H-H·2020-08-17 01:43

深度学习笔记（33） 特征点检测

深度学习笔记（33）特征点检测1.特征点2.设定特征点3.关键特征点1.特征点利用神经网络进行对象定位，即通过输出四个参数值bx、by、bh和bw给出图片中对象的边界框概括地说，神经网络可以通过输出图片上特征点的
氢键H-H·2020-08-17 01:43

AI Studio 飞桨 零基础入门深度学习笔记1-深度学习的定义

AIStudio飞桨零基础入门深度学习-笔记人工智能、机器学习、深度学习的关系机器学习机器学习的实现机器学习的方法论案例：牛顿第二定律确定模型参数模型结构介绍深度学习神经网络的基本概念深度学习的发展历程深度学习的研究和应用蓬勃发展深度学习改变了AI应用的研发模式实现了端到端的学习实现了深度学习框架标准化人工智能、机器学习、深度学习的关系近些年人工智能、机器学习和深度学习的概念十分火热，但很多从业者
qq_26765099·2020-08-17 01:19

深度学习（十五）：目标定位 Object Localization

编程语言：Python参考资料：吴恩达老师的深度学习系列视频吴恩达老师深度学习笔记整理深度学习500问笔记下载：深度学习个人笔记完整版图像分类图片分类问题已经并不陌生了，例如，输入一张图片到多层卷积神经网络
打不死的小黑·2020-08-17 00:39

【深度学习笔记2.3】VGG

vgg网络结构具体参见论文，网上也已经有很多资料了，这里不再赘述，这里主要记录下我在vgg训练代码和一些心得。vgg16_1代码示例如下(详见文献[2]vgg16_1.py)：importnumpyasnpimportcv2importtensorflowastffromdatetimeimportdatetimeimportmatplotlib.pyplotaspltfromtensorflow
取取经·2020-08-16 23:17

深度学习笔记（32） 目标定位

深度学习笔记（32）目标定位1.定位分类2.定位边框3.分类标签4.损失函数1.定位分类图片分类任务已经熟悉了，就是算法遍历图片，判断其中的对象是不是汽车定位分类问题，这意味着不仅要用算法判断图片中是不是一辆汽车还要在图片中标记出它的位置如果正在构建汽车自动驾驶系统
氢键H-H·2020-08-16 23:50

深度学习笔记（一）— VGG11

深度学习笔记（1）——VGG111.网络结构2.代码实现3.运行结果本文介绍复现VGG11并用于CIFAR10数据集分类（Pytorch）。
54渣渣shuo·2020-08-16 22:52

深度学习笔记整理（五）——提高泛化能力的方法

1.训练样本数据增强方法：通过对样本图像平移、旋转或镜像翻转，增加样本数量；优点：使有限的数据得到最大程度的有效利用。使用大规模数据集ImageNet：基于WorldNet，按层级图像分类，动物植物食物等，末梢节点包含多张对应图像；Place：在SVNDatabase基础上的扩展，包括多种场景，室内、室外、交通工具、建筑物等。其它设置图像中间区域为感兴趣区域，可以防止变换后的样本偏离图像区域；对样
xyq1212·2020-08-16 17:17

2020-4-4 深度学习笔记17 - 蒙特卡罗方法 2 ( 重要采样--采样数量一定，提高准确度，减少方差)

第十七章蒙特卡罗方法中文英文2020-4-4深度学习笔记17-蒙特卡罗方法1(采样和蒙特卡罗方法-必要性和合理性)重要采样ImportanceSampling–最优条件下采样先来个通俗易懂的，转自https
没人不认识我·2020-08-16 16:30

2020-3-25 深度学习笔记15 - 表示学习 2（迁移学习和领域自适应）

第十五章表示学习官网英文2020-3-24深度学习笔记15-表示学习1（贪心逐层无监督预训练-目前已经不太使用）迁移学习和领域自适应TransferLearningandDomainAdaptation
没人不认识我·2020-08-16 16:30

2020-3-28 深度学习笔记15 - 表示学习 5（得益于深度的指数增益（深度的优势），提供发现潜在原因的线索（正则化策略））

第十五章表示学习官网英文2020-3-24深度学习笔记15-表示学习1（贪心逐层无监督预训练-目前已经不太使用）2020-3-25深度学习笔记15-表示学习2（迁移学习和领域自适应）2020-3-26深度学习笔记
没人不认识我·2020-08-16 16:58

深度学习笔记3：手动搭建深度神经网络（DNN）

在笔记1和2里笔者使用numpy手动搭建了感知机单元与一个单隐层的神经网络，理解了神经网络的基本架构和传播原理，掌握了如何从零开始手写一个神经网络。但以上仅是神经网络和深度学习的基础内容，深度学习的一大特征就在于隐藏层之深。因而，我们就这前面的思路，继续利用numpy工具，手动搭建一个DNN深度神经网络。再次回顾一下之前我们在搭建神经网络时所秉持的思路和步骤：定义网络结构初始化模型参数循环计算：前
louwill12·2020-08-16 16:37

深度学习笔记（九）---迁移学习

1.概念1.1什么是迁移学习？深度学习算法应用过程中，数据规模大，训练时间长是我们遇到到一大问题，那么在搭建好深度神经网络模型后，我们还需要大量的算力和时间训练和参数的优化，使得性价比非常低。我们就考虑同类问题的模型迁移，这样提高模型的性价比。考虑刀片没有免费午餐原理，我们尽可能的提高模型的泛化能力以及鲁棒性。需要注意的是，我们在使用迁移学习的过程中有事会导致迁移模型的负迁移，我们可以理解为模型的
Jayden yang·2020-08-16 14:09

【深度学习笔记整理-5.3】使用预训练模型

1.为什么神经网络可以使用预训练模型？所谓使用预训练的模型，就是使用别人已经训练好的模型及参数，虽然利用到的数据集不同，但是前几层几乎做的事情是相同的，就拿CNN举例，前几层都是在找一些简单的线条，对于足够大的网络和足够多的数据，前几层找到的线条是普适的，这也就是为什么我们可以使用预训练模型。2.如何使用预训练模型？使用预训练模型，我们就需要固定住前几层的参数，而后几层的参数（尤其是全连接的部分）
Y·Not·Try·2020-08-16 14:53

深度学习笔记（一）

最近工作需要用到深度学习，之前仅有一些python基础（也忘得差不多了），于是找到教程零基础入门深度学习准备快速上手。第一部分是使用python训练一个感知器（即网络中的神经元）模型，原文中使用python2.7实现，改为了python3.6，未加载numpy库。fromfunctoolsimportreduceclassPerception(object):def__init__(self,in
Yan_Zhaoyu·2020-08-16 13:23

深度学习笔记（11）- 控制中心之系统信息与更新设置

  控制中心的学习今天终于要到终点站了，除了蓝牙老陌无法测试，其它功能基本都熟悉了一遍，当然部分功能还是无法测试，硬件是硬伤。老陌之旅第十一站将结束控制中心之旅，最后一站让我们逛一逛系统信息与系统更新。一、系统信息  对于windows系统来说，计算机图标右键，选择属性可以看到cpu和内存的信息。起初老陌就是通过这种方式炫耀一下自己的爱机，现在用了深度系统，对于一台陌生的电脑怎么查看这些信息呢？ 
annigeng5139·2020-08-16 12:58

2020-3-24 深度学习笔记15 - 表示学习 1（贪心逐层无监督预训练-目前已经不太使用）

第十五章表示学习官网英文很多信息处理任务可能非常容易，也可能非常困难，这取决于信息是如何表示的。在机器学习中，到底是什么因素决定了一种表示比另一种表示更好呢？一般而言，一个好的表示可以使后续的学习任务更容易。选择什么表示通常取决于后续的学习任务。表示学习的概念将许多深度学习形式联系在了一起。前馈网络和循环网络，自编码器和深度概率模型都在学习和使用表示。学习最佳表示仍然是一个令人兴奋的研究方向。贪心
没人不认识我·2020-08-16 11:39

2020-2-29 深度学习笔记12 - 深度学习应用 1（大规模深度学习）

第十二章应用官网本章主要介绍如何使用深度学习来解决计算机视觉、语音识别、自然语言处理以及其他商业领域中的应用。一般而言，这些方法使用代价函数的梯度寻找模型（近似于某些所期望的函数）的参数。当具有足够的训练数据时，这种方法是非常强大的。大规模深度学习尽管机器学习模型中单个生物性的神经元或者说是单个特征不是智能的，但是大量的神经元或者特征作用在一起往往能够表现出智能。所以必须着重强调神经元数量必须很大
没人不认识我·2020-08-16 11:07

深度学习笔记（十五）---生成对抗GAN

目录1.摘要2.GAN原理介绍2.1网络概况2.1.1DiscriminatorNetwork2.1.2GeneratorNetwork2.2数学理解3.代码实现1.摘要前面学习的自动编码器和变分自动编码器都是通过计算生成图像和输入图像在每个像素点的误差来生成loss，这样就会造成，因为不同的像素点可能造成不同的视觉结果，但是可能他们的loss是相同的，所以通过单个像素点来得到loss是不准确的，
Jayden yang·2020-08-16 11:38

深度学习笔记四：MNIST实战

这里的实战是根据NeuralNetworksandDeepLearning的前两章整理出来的。用了它提供的数据集以及一些代码。然后自己修改了他的一些代码，使得更加容易理解。一.任务及数据就是自己写一个神经网络来实现对于MNIST数据集的手写体分类任务。作者提供了一个数据集，这里就使用作者的数据集。MNIST数据集下载下来直接放在工程目录里面就行了。训练(train):50,000验证(valida
谢小小XH·2020-08-16 10:43

深度学习笔记(2)：2.9 学习率衰减 | 2.10 局部最优问题

2.9学习率衰减今天来讲一下关于学习率衰减(learningratedecay)的问题。首先说一下为什么要衰减学习率，如下图所示：假设我们使用mini-batch梯度下降法，之前我们已经讲过它的一些特点，比如路径曲折不直接、有噪音(路径曲折不直接和有噪音是一回事)、在最优值附近波动不收敛。也许在刚开始学习时，我们可以承受较大的步长带来的代价，但是随着不断学习至开始收敛时，通过慢慢的减少学习率，减少
起个名字好难.JPG·2020-08-16 06:46

AI Studio 飞桨 零基础入门深度学习笔记6.2-通过极简方案构建手写数字识别模型

AIStudio飞桨零基础入门深度学习笔记6.2-通过极简方案构建手写数字识别模型通过极简方案构建手写数字识别模型前提条件数据处理飞桨API的使用方法模型设计训练配置训练过程模型测试通过极简方案构建手写数字识别模型上一节介绍了创新性的
mejs·2020-08-15 19:59

AI Studio 飞桨 零基础入门深度学习笔记6.1-手写数字识别任务

AIStudio飞桨零基础入门深度学习笔记6.1-手写数字识别任务手写数字识别任务MNIST数据集构建手写数字识别的神经网络模型飞桨各模型代码结构一致，大大降低了用户的编码难度教程采用"横纵式"教学法，
mejs·2020-08-15 14:20

深度学习笔记——常用的激活（激励）函数

激活函数（又叫激励函数，后面就全部统称为激活函数）是模型整个结构中的非线性扭曲力，神经网络的每层都会有一个激活函数。那他到底是什么，有什么作用？都有哪些常见的激活函数呢？深度学习的基本原理就是基于人工神经网络，信号从一个神经元进入，经过非线性的activationfunction，传入到下一层神经元；再经过该层神经元的activate，继续往下传递，如此循环往复，直到输出层。正是由于这些非线性函数
战争热诚·2020-08-15 14:00

AI Studio 飞桨 零基础入门深度学习笔记4-飞桨开源深度学习平台介绍

AIStudio飞桨零基础入门深度学习笔记4-飞桨开源深度学习平台介绍深度学习框架深度学习框架优势深度学习框架设计思路飞桨开源深度学习平台飞桨开源深度学习平台全景框架和全流程工具模型资源飞桨技术优势深度学习框架近年来深度学习在很多机器学习领域都有着非常出色的表现
mejs·2020-08-15 09:37

深度学习笔记----单阶段检测模型YOLO

单阶段检测模型相对于以RCNN，FastR-CNN和FasterR-CNN为代表的基于regionproposal的两阶段检测模型，单阶段的物体检测用一个end-to-end的全卷积神经网络完成从原始图像的输入到Boundingbox和box中物体类别的输出。在实时检测方面优于上述的区域推荐，而准确率方面则相对较差。YOLO以RCNN为代表的传统的物体检测方法通过regionproposal产生大
weixin_41065383·2020-08-15 09:02

深度学习笔记 Day3 python基础知识系列（仅本人自用）

文章目录可变字符串运算符说明赋值运算符运算符优先级序列列表简介列表对象常用方法列表的创建列表元素的增加元素列表的删除列表元素的访问切片操作列表排序列表相关的其他内置函数汇总多维列表元组tuple元组的创建元组的元素访问和计数元组总结可变字符串在Python中，字符串属于不可变对象，不支持原地修改，如果需要修改其中的值，智能创建新的字符串对象。但是，经常我们确实需要原地修改字符串，可以使用io.St
ω@·2020-08-14 17:25

深度学习笔记 Day8 python基础知识系列（仅本人自用）

方法没有重载在其他语言中，可以定义多个重名的方法，只要保证方法签名唯一即可。方法签名包含3个部分：方法名、参数数量、参数类型。Python中，方法的的参数没有类型（调用时确定参数的类型），参数的数量也可以由可变参数控制。因此，Python中是没有方法的重载的。定义一个方法即可有多种调用方式相当于实现了其他语言中的方法的重载。如果我们在类体中定义了多个重名的方法，只有最后一个方法有效。建议：不要使用
ω@·2020-08-14 17:25

深度学习笔记 Day5 python基础知识系列（仅本人自用）

文章目录for循环和可迭代对象遍历可迭代对象嵌套循环break语句continue语句else语句循环代码优化（非常重要）使用zip()并行迭代推导式创建序列列表推导式字典推导式集合推导式生成器推导式（生成元组）函数用法和底层分析函数的基本概念Python函数的分类函数的定义和调用形参和实参文档字符串（函数的注释）返回值for循环和可迭代对象遍历for循环通常用于可迭代对象的遍历。for循环的语法
ω@·2020-08-14 17:25

深度学习笔记 Day9 python数据结构与算法（仅本人自用）

算法的提出算法的概念算法是计算机处理信息的本质，因为计算机程序本质上是一个算法来告诉计算机确切的步骤来执行一个指定的任务。一般地，当算法在处理信息时，会从输入设备或数据的存储地址读取数据，把结果写入输出设备或某个存储地址供以后再调用。算法是独立存在的一种解决问题的方法和思想。算法的五大特性1.输入:算法具有0个或多个输入2.输出:算法至少有1个或多个输出3.有穷性:算法在有限的步骤之后会自动结束而
ω@·2020-08-14 17:25

吴恩达深度学习笔记(29)-神经网络训练的方差和偏差分析

这一节我们学习在神经网络学习训练时出现的结果进行分析，偏差和方差的表现和优化，仔细看好咯~偏差，方差（Bias/Variance）几乎所有机器学习从业人员都期望深刻理解偏差和方差，这两个概念易学难精，即使你自己认为已经理解了偏差和方差的基本概念，却总有一些意想不到的新东西出现。关于深度学习的误差问题，另一个趋势是对偏差和方差的权衡研究甚浅，你可能听说过这两个概念，但深度学习的误差很少权衡二者，我们
极客Array·2020-08-14 16:12

深度学习笔记 Day2 python基础知识系列

这里写自定义目录标题链式赋值-系列解包赋值-常量1.链式赋值2.系列解包赋值3.常量最基本内置数据类型介绍1.整型2.浮点型3.布尔型4.字符串型基本算数运算1.数字2.整数3.浮点数4.时间的表示5.布尔值6.字符串字符串驻留机制和字符串比较1.字符串驻留2.字符串比较和同一性3.成员操作符字符串常用方法汇总1.常用查找方法2.去除首尾信息3.大小写转换4.格式排版5.其他方法字符串的格式化1.
ω@·2020-08-14 15:09

深度学习笔记 Day7 python基础知识系列（仅本人自用）

文章目录嵌套函数（内部函数）monlocal关键字LEGB规则面向对象编程面向对象和面向过程区别面向过程（ProcedureOriented）思维面向对象（ObjectOriented）思维面向对象思考方式对象的进化类的定义构造函数__init__()实例属性实例方法函数和方法的区别类对象类属性和类方法静态方法__del__方法（析构函数）和垃圾回收机制__call__方法和可调用对象嵌套函数（内
ω@·2020-08-14 15:09

深度学习笔记 Day4 python基础知识系列（仅本人自用）

Day4字典1.字典元素的访问2.字典元素添加、修改、删除序列解包字典核心底层原理（重要）集合集合创建和删除集合相关操作控制语句选择结构单分支选择结构双分支选择结构多分支选择结构选择结构嵌套循环结构while循环字典字典是“键值对”的无序可变序列，字典中的每个元素都是一个“键值对”，包含：“键对象”和“值对象”。可以通过“键对象”实现快速获取、删除、更新对应的“值对象”。列表中我们通过“下标数字”
ω@·2020-08-14 15:09

深度学习笔记：Deep Residual Networks with Dynamically Weighted Wavelet Coefficients for Fault Diagnosis of

深度学习笔记：DeepResidualNetworkswithDynamicallyWeightedWaveletCoefficientsforFaultDiagnosisofPlanetaryGearboxes
yc_z·2020-08-14 04:13

深度学习笔记二:PAC,PAC白化，ZCA白化

不知道怎么回事，博客误删了。不想再写了，列下提纲。PCAsigma=(x*x')/size(x,2);[u,s,v]=svd(sigma);xRot=zeros(size(x));%YouneedtocomputethisxRot=u'*x;%以下降维xHat=zeros(size(x));%Youneedtocomputethisuk=u(:,1:k);xHat=uk*(uk'*x);PCA白化
丁香留心·2020-08-13 23:15

深度学习笔记（12）：为什么不能将神经网络的初始权值设置成全0值

前言快一周没写博客了，遗忘的真主快要降临了吧，我也得做些什么了。今天重温了一下神经网络的细节，本篇文章主要从初始化的权重矩阵www和bbb进行探讨，讨论分析一下为什么不能设置成全0.希望以后不会忘记这一块哈。（我承认因为资料已经很多了，我写这些对大家也不一定有很大的益处…渡己难奥。最起码算是自己能加深记忆吧）对于logstic函数为什么权重矩阵可以初始化为0对于logistic回归函数，我们在反向
良夜星光·2020-08-13 22:08

【深度学习笔记2.2.3】AlexNet训练17flowers

概述本文介绍使用AlexNet做17flowers的分类任务，代码参考文献[1]，数据集17flowers来自文献[2]，预训练模型bvlc_alexnet.npy来自文献[4]。实验1：finetune最后一个全连接层调参实验总结如下：初始学习率不能大于0.0001，否则训练loss将会是nan；如果learning_rate_init=0.0001，train_layers=[‘fc7’,‘f
取取经·2020-08-13 19:15

【深度学习笔记1.1】人工神经网络（内含模型保存与恢复介绍）

线性阈值单元线性阈值单元（LTU）：输入和输出是数字（而不是二进制开/关值），并且每个输入连接都与权重相连。LTU计算其输入的加权和（z=W1×1+W2×2+…++WN×n=Wt·x），然后将阶跃函数应用于该和，并输出结果：HW(x)=STEP(Z)=STEP(W^T·x)[1]。单一的LTU可被用作简单线性二元分类[2]。代码示例1sklearn提供了一个感知器类，它实现了一个LTU网络[2]。
取取经·2020-08-13 19:14

深度学习笔记-14.各种优化器Optimizer的总结与比较

转载自：机器学习：各种优化器Optimizer的总结与比较，我觉得单纯的看印象可能不太深，所以采用边看边手动记录一遍的方式以加深印象！里面的公式自己又手动敲了一遍。目录一、优化器的作用：二、各种优化器介绍2.1梯度下降法(GradientDescent)2.1.1标准梯度下降法(GD)2.1.2.批量梯度下降法(BGD)2.1.3随机梯度下降法(SGD)2.2动量优化法2.2.1Momentum2
业余狙击手19·2020-08-13 19:01

SSD源码解析4-损失函数（理论+源码）

SSD源码解析1-整体结构和框架SSD源码解析2-input_pipeline()SSD源码解析3-ssd_model_fn()SSD源码解析4-损失函数（理论+源码）参考文章：博客园：深度学习笔记（七
业余狙击手19·2020-08-13 19:01
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他