重大的小鸿

摘要： 在上个lecture中，我们看到了任意特定层是如何生成输出的，输入数据在全连接层或者卷积层，将输入乘以权重值，之后将结果放入激活函数（非线性单元） 下面是一些激活函数的例子，有在之前使用过的sigmoid函数，之前提及到的ReLU函数。这里会提及更多的激活函数，并在它们之间进行权衡。 先是之前见过的 阅读全文

摘要： 原博客：https://blog.csdn.net/dawningblue/article/details/82902336 用不是特别严谨但是比较通俗的语言描述整个过程 卷积神经网络是从卷积层开始介绍的，而卷积层的介绍是从全连接层开始介绍的。 全连接层的处理方式是一次性处理一张图片的全部信息，处理 阅读全文

摘要： Normal Distribution 称为正态分布，也称为高斯分布， Truncated Normal Distribution 一般译为截断正态分布，也有称为截尾正太分布。 截断正态分布是截断分布（Truncated Distribution）的一种，那么截断分布是什么？截断分布，限制变量x取值 阅读全文

摘要： 原博客：https://blog.csdn.net/huplion/article/details/79069365 （在此仅作学习记录作用） 一、前言 在前几篇文章中，我们学习到如何在训练集上设置权重，并由此计算出损失(loss)，其中loss是由两部分组成，分别是数据损失项和正则化项目。我们最终 阅读全文

摘要： 原博客：https://blog.csdn.net/sinat_36458870/article/details/82824529（此处只做学习记录用） 回顾上次的内容，其实就会发现，虽然我们构造好了损失函数，可以简单使用导数的定义解决损失函数优化问题，但是并不高效。 1. 该课程，主要是： 反向传 阅读全文

摘要： 本节是cs231n笔记：最优化，并介绍了梯度下降方法，然后应用到逻辑回归中。 引言 在上一节线性分类器中提到，分类方法主要有两部分组成： 1. 基于参数的评分函数。能够将样本映射到类别的分值。 2. 损失函数。用来衡量预测标签和真实标签的一致性程度。 这一节介绍第三个重要部分：最优化（optimiz 阅读全文

摘要： 如果遇到问题： __main__:1: UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure. 解决方案： 在程序中增加一条语句： import ma 阅读全文

摘要： 将多张图显示在一张图像上 import matplotlib.pyplot as plt images.shape [20,512,512] for i in range(20): plt.subplot(4 , 5 , i+1) plt.imshow(images[i, :, :] # 通过for 阅读全文

摘要： tf.nn.softmax( logits, axis = None, name = None dim = None ) 作用：softmax函数的作用就是归一化。 输入：全连接层（往往是模型的最后一层）的值，一般代码中叫做logits 输出：归一化的值，含义是属于该位置的概率，一般代码叫做prob 阅读全文

摘要： tf.InteractiveSession():它能让你在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。这对于工作在交互环境中的人们来说非常便利，例如IPython。 tf.Session():需要在启动session之前构建整个计算图，然后启动该计算图。 意思 阅读全文