Fork me on GitHub
上一页 1 ··· 33 34 35 36 37 38 39 40 41 ··· 88 下一页
摘要: 昨天同学面试被问到这个问题,很有水平,以前都没有遇到过这个问题,一时自己也不知道怎么回答。 网上学习了一下,记录以备后用! "C/C++ Internals" : 里面的问题都写的不错,可以读读! Reference "C中的继承和多态" "C语言实现封装、继承和多态" 阅读全文
posted @ 2017-09-25 19:37 ranjiewen 阅读(415) 评论(0) 推荐(0) 编辑
摘要: 第七讲_图像描述(图说)Image Captioning 本章结构 递归神经网络 时序后向传播(BPTT) 朴素Vanilla RNN 基本模型 用sigmoid存在严重的梯度消失 LSTM长短时记忆模型(97年提出) 基本模型 模型对比 LSTM数学模型 控制门作用理解 LSTM结构图 LSTM变 阅读全文
posted @ 2017-09-23 23:43 ranjiewen 阅读(3067) 评论(0) 推荐(0) 编辑
摘要: "tensorflow资源整合" 使用原生态TensorFlow API来实现各种不同的神经网络结构。虽然原生态的TensorFlow API可以很灵活的支持不同的神经网络结构,但是其代码相对比较冗长,写起来比较麻烦。为了让TensorFlow用起来更加方便,可以使用一些TensorFlow的高层封 阅读全文
posted @ 2017-09-21 00:10 ranjiewen 阅读(1297) 评论(0) 推荐(0) 编辑
摘要: 第六讲_图像分割Image Segmentation "语义分割(semantic segmentation) 常用神经网络介绍对比 FCN SegNet U net DeconvNet " 目录 +三大数据库 显著性检测saliency detection 两类问题 数据集的标注 DNN网络:VG 阅读全文
posted @ 2017-09-19 23:56 ranjiewen 阅读(2631) 评论(1) 推荐(0) 编辑
摘要: 第五讲_图像识别之图像检测Image Detection 目录 物体检测 ILSVRC竞赛200类(每个图片多个标签):输出类别+Bounding Box(x,y,w,h) PASCAL VOC 2012只有20类 模型进化 区域卷积神经网络R CNN 2014 模型结构 selective sea 阅读全文
posted @ 2017-09-17 00:31 ranjiewen 阅读(1848) 评论(0) 推荐(0) 编辑
摘要: windows下使用tensorboard tensorflow 官网上的例子程序都是针对Linux下的;文件路径需要更改 tensorflow1.1和1.3的启动方式不一样 :参考: "Running on Google Cloud found : No module named tensorfl 阅读全文
posted @ 2017-09-12 14:36 ranjiewen 阅读(3669) 评论(0) 推荐(0) 编辑
摘要: 第四讲_图像识别之图像分类Image Classification 目录 图片分类 性能指标:top1,top5 ILSVRC:每种任务数据集不一样 imageNet:根据WorldNet组织的图片集,为每个名词提供平均1000张图片 网络进化 卷积神经网络(CNN) 基础神经网络: 神经元(输入, 阅读全文
posted @ 2017-09-12 12:54 ranjiewen 阅读(11516) 评论(0) 推荐(0) 编辑
摘要: paper "A Neural Algorithm of Artistic Style" 在艺术领域,尤其是绘画,艺术家们通过创造不同的内容与风格,并相互交融影响来创立独立的视觉体验。如果给定两张图像,现在的技术手段,完全有能力让计算机识别出图像具体内容。而风格是一种很抽象的东西,在计算机的眼中,当 阅读全文
posted @ 2017-09-10 20:26 ranjiewen 阅读(312) 评论(0) 推荐(0) 编辑
摘要: Simonyan, Karen, and Andrew Zisserman. "Very deep convolutional networks for large scale image recognition." arXiv preprint arXiv:1409.1556 (2014). "p 阅读全文
posted @ 2017-09-10 17:07 ranjiewen 阅读(2333) 评论(0) 推荐(1) 编辑
摘要: 基于tensorflow使用CNN识别MNIST 参数数量:第一个卷积层5x5x1x32=800个参数,第二个卷积层5x5x32x64=51200个参数,第三个全连接层7x7x64x1024=3211264个参数,第四个输出层1024x10=10240个参数,总量级为330万个参数,单机训练时间约为 阅读全文
posted @ 2017-09-08 17:40 ranjiewen 阅读(1473) 评论(0) 推荐(0) 编辑
上一页 1 ··· 33 34 35 36 37 38 39 40 41 ··· 88 下一页