摘要： 1.GoogleNet 网络： Inception V1 - Inception V2 - Inception V3 - Inception V4 1. Inception v1 split - merge - 1*1卷积，3*3卷积， 5*5卷积， 3*3池化 输入层：inception 1*1 阅读全文

摘要： 1.基础神经网络： 输入向量ｘ，权重向量w， 偏置标量b， 激活函数sigmoid（增加非线性度） 优化手段： 梯度下降优化， BP向后传播（链式规则） 梯度下降优化： 1. 使用得目标函数是交叉熵 c = 1/nΣΣ[yj*lnaj^2 + (1-yj)*ln(1-aj^2)] yj表示得是样本标 阅读全文

摘要： Siamese network 训练神经网络存在两种形式： 第一种：通过Siamese network 和 三元组损失函数 来训练图片之间的间隔 第二种： 通过Siamese network 和 sigmoid函数来实现二分类的训练 第一种情况： 在最后一层使用得是128， 1， d(x(1), x 阅读全文