HOU_JUN

摘要： import caffe solver_file = "solver.prototxt" solverstate = "xx.solverstate" caffe.set_device(0) caffe.set_mode_gpu() solver = caffe.get_solver(solver_file) solver.restore(solverstate) solver.s... 阅读全文

摘要： 作者：eclipSYcn 来源：CSDN 原文：https://blog.csdn.net/Eclipsesy/article/details/79109500 版权声明：本文为博主原创文章，转载请附上博文链接！ 阅读全文

摘要： 转自 作者：Peanut_范 来源：CSDN 原文：https://blog.csdn.net/u013841196/article/details/72799680 版权声明：本文为博主原创文章，转载请附上博文链接！ 使用python对Caffe框架训练好的模型进行识别时发现通道转换的若干问题：要 阅读全文

摘要： caffe 阅读全文

摘要： 多进程 阅读全文

摘要： 数据按比例切分 阅读全文

摘要： SSD（single shot multibox detector）算法及Caffe代码详解 https://blog.csdn.net/u014380165/article/details/72824889 其中caffe中的特殊层的解释 http://caffe.berkeleyvision.o 阅读全文

摘要： #coding: utf-8 from tensorflow.examples.tutorials.mnist import input_data import scipy.misc import os # 读取MNIST数据集。如果不存在会事先下载。 mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # 我们把原始... 阅读全文

摘要： 此模型中，输入是28*28*1的图片，经过两个卷积层（卷积+池化）层之后，尺寸变为7*7*64，将最后一个卷积层展成一个以为向量，然后接两个全连接层，第一个全连接层加一个dropout，最后一个全连接层输出10个分类的预测结果，然后计算损失，进行训练。 代码如下： 阅读全文

摘要： 损失函数是用来估量你模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风险函数的核心部分，也是结构风险函数重要组成部分。模型的结构风险函数包括了经验风险项和正则项，通常可以表示成如下式子： 其中，前面 阅读全文

摘要： 关于过拟合的问题 1、什么是过拟合？ 过拟合（overfitting）是指学习时选择的模型所包含的参数过多（即模型容量很大），以至于出现这一模型对已知数据预测得很好，但对未知数据预测得很差的现象。 2、产生过拟合的原因 产生过拟合的主要原因可以有以下三点： 1) 数据有噪声 为什么数据有噪声，就可能 阅读全文

摘要： 一、简介 VGGNet是计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研究的深度卷积神经网络。VGGNet探索了卷积神经网络深度与性能之间的关系，通过反复堆叠3*3的小型卷积核和2*2的最大池化层，VGGNet成功地构筑了16~19层（这里 阅读全文

摘要： 谁创造了AlexNet? AlexNet是有Hinton大神的弟子Alex Krizhevsky提出的深度卷积神经网络。它可视为LeNet的更深更宽的版本。 AlexNet主要用到的技术 成功使用ReLU作为CNN的激活函数，并验证了其效果在较深的神经网络超过了sigmiod,成功解决了sigmoi 阅读全文

摘要： 转自：https://blog.csdn.net/jlei_apple/article/details/8168856 这两天在看关于boosting算法时，看到一篇不错的文章讲bootstrap, jackknife, bagging, boosting, random forest 都有介绍，以 阅读全文

摘要： TensorFlow是一个通过计算图的形式来表述计算的编程系统。其中的Tnesor,代表它的数据结构，而Flow代表它的计算模型。TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的线描述了计算之间的依赖关系。 在TensorFlow程序中，系统会自动维护一个默认的计算图，通过tf 阅读全文