|
摘要：
讲到卷积，首先要从传统图像处理的边缘检测说起。 卷积神经网络的前几层一般用于检测边缘，后面几层用于检测物体的某一部分，更后面的可能检测到完整的物体。 如何在一张图片中检测边缘？ 举个例子，这是一个6 x 6的灰度图像， 为了检测图像中的垂直边缘，我们可以构造一个3 x 3的矩阵，称为filter（过 阅读全文
posted @ 2018-01-27 21:20
hejunlin
阅读(525)
评论(0)
推荐(0)
摘要：
论文地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 本文提出的模型叫MobileNet，主要用于移动和嵌入式视觉应用。该模型具有小巧、低延迟的特点。MobileNet在广泛的应 阅读全文
posted @ 2018-01-22 19:18
hejunlin
阅读(2298)
评论(0)
推荐(0)
摘要：
转载自： http://blog.csdn.net/Hanging_Gardens/article/details/72784392 https://www.cnblogs.com/hypnus-ly/p/8040951.html 会话Session持有并管理tensorflow程序运行时的所有资源 阅读全文
posted @ 2018-01-11 21:11
hejunlin
阅读(632)
评论(0)
推荐(0)
摘要：
转载自：http://blog.csdn.net/john_xyz/article/details/69053626 Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个计算都是计算图上的一个节点，而节点之间 阅读全文
posted @ 2018-01-11 21:08
hejunlin
阅读(2340)
评论(0)
推荐(0)
摘要：
转载自：https://www.zhihu.com/question/41252833/answer/141598211 仅从机器学习的角度讨论这个问题。 相对熵（relative entropy）就是KL散度（Kullback–Leibler divergence），用于衡量两个概率分布之间的差异 阅读全文
posted @ 2018-01-10 11:00
hejunlin
阅读(1161)
评论(0)
推荐(0)
摘要：
代码： 问题： pymysql.err.ProgrammingError: (1064, 'You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for 阅读全文
posted @ 2018-01-04 16:56
hejunlin
阅读(30001)
评论(0)
推荐(0)
摘要：
通常机器学习每一个算法中都会有一个目标函数，算法的求解过程是通过对这个目标函数优化的过程。在分类或者回归问题中，通常使用损失函数（代价函数）作为其目标函数。损失函数用来评价模型的预测值和真实值不一样的程度，损失函数越好，通常模型的性能越好。不同的算法使用的损失函数不一样。 损失函数分为经验风险损失函 阅读全文
posted @ 2017-12-31 20:38
hejunlin
阅读(24510)
评论(0)
推荐(1)
摘要：
原文： A Discriminative Feature Learning Approach for Deep Face Recognition 用于人脸识别的center loss。 1）同时学习每个类的深度特征的中心点 2）对深度特征和其对应的类中心的距离有一定的惩罚 提出的center los 阅读全文
posted @ 2017-12-23 11:42
hejunlin
阅读(1280)
评论(0)
推荐(0)
摘要：
翻译自：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim TensorFlow-Slim TF-Slim是Tensorflow中一个轻量级的库，用于定义、训练和评估复杂的模型。TF-Slim中的组 阅读全文
posted @ 2017-12-22 09:01
hejunlin
阅读(34758)
评论(2)
推荐(2)
摘要：
摘抄自维基百科： https://zh.wikipedia.org/wiki/%E4%BC%BC%E7%84%B6%E5%87%BD%E6%95%B0 https://zh.wikipedia.org/wiki/%E6%9C%80%E5%A4%A7%E4%BC%BC%E7%84%B6%E4%BC%B 阅读全文
posted @ 2017-12-04 10:59
hejunlin
阅读(36433)
评论(0)
推荐(1)
|
浙公网安备 33010602011771号