随笔分类 -  深度学习

摘要:英文论文链接:http://cadlab.cs.ucla.edu/~cong/slides/fpga2015_chen.pdf 翻译:卜居 转载请注明出处:http://blog.csdn.net/kkk584520/article/details/47450159 【0. 摘要】 CNN已经广泛用 阅读全文
posted @ 2018-04-02 19:35 yf869778412 阅读(1685) 评论(0) 推荐(0) 编辑
摘要:基于Xilinx Zynq Z7045 SoC的CNN的视觉识别应用 由 judyzhong 于 星期三, 08/16/2017 - 14:56 发表 作者:stark 近些年来随着科学技术的不断进步,人工智能(AI)正在逐步从尖端技术变得普及。人工智能的发展涉及物联网、大规模并行计算、大数据以及深 阅读全文
posted @ 2018-03-16 15:53 yf869778412 阅读(831) 评论(0) 推荐(0) 编辑
摘要:需求说明:深度学习FPGA实现知识储备 来自:http://blog.csdn.net/stdcoutzyx/article/details/41596663 说明:图文并茂,言简意赅。 自今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN 阅读全文
posted @ 2018-01-26 13:57 yf869778412 阅读(707) 评论(0) 推荐(1) 编辑
摘要:转自 飞鸟各投林 史上最强 机器学习经典总结 入门必读 心血总结 回味无穷 让我们从机器学习谈起 导读:在本篇文章中,将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习,并且上手相关的实践。当然,本文也面对一般读者,不会对阅读有相关的前提要求。 在进入正题前,我想 阅读全文
posted @ 2018-01-23 08:50 yf869778412 阅读(321) 评论(0) 推荐(1) 编辑
摘要:blink 15年1月 6 Caffe839是一个清晰而高效的深度学习350框架,其作者是博士毕业于UC Berkeley的贾扬清2.2K,目前在Google148工作。 Caffe73是纯粹的C++/CUDA架构,支持命令行、Python和MATLAB接口;可以在CPU和GPU201直接无缝切换: 阅读全文
posted @ 2018-01-22 14:20 yf869778412 阅读(333) 评论(0) 推荐(0) 编辑
摘要:1.AI:人工智能(Artificial Intelligence) 2.机器学习:(Machine Learning, ML) 3.深度学习:Deep Learning 人工功能的实现是让机器自己学习,其中深度学习就是其中一种学习方法,深度学习就是基于多层神经网络发展而来,可以简单看成深度学习就是 阅读全文
posted @ 2018-01-17 15:50 yf869778412 阅读(283) 评论(0) 推荐(0) 编辑
摘要:AI这个概念好像突然就火起来了,年初大比分战胜李世石的AlphaGo成功的吸引了大量的关注,但其实看看你的手机上的语音助手,相机上的人脸识别,今日头条上帮你自动筛选出来的新闻,还有各大音乐软件的歌曲“每日推荐”……形形色色的AI早已进入我们生活的方方面面。深刻的影响了着我们,可以说,这是一个AI的时 阅读全文
posted @ 2018-01-17 15:42 yf869778412 阅读(7333) 评论(0) 推荐(0) 编辑
摘要:TensorFlow运作方式入门 代码:tensorflow/g3doc/tutorials/mnist/ 本篇教程的目的,是向大家展示如何利用TensorFlow使用(经典)MNIST数据集训练并评估一个用于识别手写数字的简易前馈神经网络(feed-forward neural network)。 阅读全文
posted @ 2018-01-17 15:38 yf869778412 阅读(202) 评论(0) 推荐(0) 编辑
摘要:引言 机器学习栏目记录我在学习Machine Learning过程的一些心得笔记,涵盖线性回归、逻辑回归、Softmax回归、神经网络和SVM等等,主要学习资料来自网上的免费课程和一些经典书籍,免费课程例如Standford Andrew Ng老师在Coursera的教程以及UFLDL Tutori 阅读全文
posted @ 2018-01-12 17:21 yf869778412 阅读(608) 评论(0) 推荐(0) 编辑
摘要:<ignore_js_op> <ignore_js_op> 图 1 – AlexNet 是一种图像识别基准,包含五个卷积层(蓝框)和三个致密层(黄) <ignore_js_op> 图 2 – AlexNet 中的卷积层执行 3D卷积、激活和子采样 <ignore_js_op> 图 3 – 图表展示了 阅读全文
posted @ 2018-01-03 17:09 yf869778412 阅读(3268) 评论(1) 推荐(0) 编辑

点击右上角即可分享
微信分享提示