监督学习和无监督学习
摘要：机器学习：定义一、给予计算机能自我学习的能力而不是编程。定义二、对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习 监督学习在有监督的学习中，我们得到了一个数据集，并且已经知道正确的输出应该是什么样的，我们认为输入和输出之间
阅读全文
posted @ 2019-12-04 15:19
随笔分类 - 吴恩达 machine Learning
ubuntu 17.04 下搭建深度学习环境
摘要：1.目前使用CPU即可，先不需要显卡配置 2.使用pip3 安装深度学习框架 3.要先安装pip3 #sudo apt install python3-pip https://blog.csdn.net/bjzhaoxiao/article/details/81270368 https://blog
阅读全文
posted @ 2019-11-24 18:37
递归神经网络
摘要：Relu :梯度非1即0 ：激活函数 ：输入门 ：临时的中间状态 综合：
阅读全文
posted @ 2019-11-23 15:24
模型压缩与加速
摘要：半个1*1，半个3*3 DF*DF ：feature map 的大小 DK*DK :卷积核的大小 M：通道数目 在Pointwise Con中，DK=1Xcep 可缩小为1/8 单个BLOCK的参数量变大，但需要的BLOCK的数目减少了 1*1的Pointwise 是为了打通信息流，那么Shuffl
阅读全文
posted @ 2019-11-22 19:49
从神经网络到深度学习
摘要：监督学习：标注数据 半监督学习：标注数据和未标注数据 无监督学习：未标注学习 监督学习的性能最可靠，用于企业 通常层间神经元不相通 损失函数：每次都找下山最快的方向(梯度下降法)依赖于网络初始值 神经网络的缺点： 局部最优：下山不一定到最低点 梯度弥散：如：1 0.5 0.25 0.125（接近0）
阅读全文
posted @ 2019-11-20 19:31
卷积神经网络
摘要：一个卷积核是3维的(Ci*k*k)，一个卷积层是4维的 Ci :输入通道数 ，padding :左右两边补零的数量 stride :步长，滑窗隔几个滑一下 。padding 和K 要匹配使用 没有提取任何的空间信息，只是简单的缩放 2(Ci/2*K*K/Co/2) 正常卷积的1/2。一般显卡不够用的
阅读全文
posted @ 2019-11-20 17:00
入门常识
摘要：一张图片表示为三维数组,每个像素值0~255像素点与亮度有关300*100*3 3：[R,G,B]常规套路：1.收集数据并给定标签2.训练一个分类器3.测试，评估合适的数据大小计算图像数据：
阅读全文
posted @ 2019-11-11 15:44
