摘要：
# import packagesfrom keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img datagen = ImageDataGenerator( rotation 阅读全文
摘要：
kevin28520/My-TensorFlow-tutorials下载的最新版本vgg，运行出错，后来找的第一版可以，有什么差异？不知道，没看。 换成猫狗大战的图片输入，注意one-hot。 深度学习、图像分类入门，从VGG16卷积神经网络开始 http://blog.csdn.net/error 阅读全文
摘要：
一、跟经典的目标检测算法的比较： 1、穷举搜索（Exhaustive Search），选择一个窗口（window）扫描整张图像（image），改变窗口的大小，继续扫描整张图像。 二、RCNN算法分为4个步骤 1、一张图像生成1K~2K个候选区域 （Selective Search） 2、对每个候选区 阅读全文
摘要：
1、Precision、Recall Precision/Recall和ROC曲线 http://blog.csdn.net/adminabcd/article/details/46475361 关于机器学习中Precision和Recall的概念的理解 http://blog.csdn.net/R 阅读全文
摘要：
会在“当前路径/logs”目录下生成一个events.out.tfevents.{time}.{machine-name}的文件。在当前目录新建“查看训练过程.bat”，里面输入。 阅读全文
摘要：
聚类 np.random.seed(0)的作用：使得随机数据可预测。 当我们设置相同的seed，每次生成的随机数相同。 如果不设置seed，则每次会生成不同的随机数 >>>> numpy.random.seed(0) ; numpy.random.rand(4) array([ 0.55, 0.72 阅读全文
摘要：
1、数据输入层 预处理的方式： 假定X是[N*D]维矩阵(N是样本数据量，D为单张图片的数据向量长度) 第一步，去均值：最常见的图片数据预处理。目的是输入数据各个维度的数据都中心化到0。 1）对待训练的每一张图片的特征，都减去全部训练集图片的特征均值；使用python的numpy工具包，这一步可以用 阅读全文
摘要：
夯实DL必备基础 第一课 夯实深度学习数据基础 知识点1：必要的微积分、概率统计基础 知识点2：必要的矩阵、凸优化基础 实战项目：numpy与高效计算 第二课 从线性分类器到人工神经网络 知识点1：softmax、linearSVM线性分类器与损失函数 知识点2：BP算法与随机梯度下降 实战项目：使 阅读全文
摘要：
1、得分函数 线性分类器：在坐标系上就是一直线，大于它就是1，小于它就是0。 一张图假设是32*32*3的像素矩阵，首先把它平展为3072*1的向量，如果最后结果只能是10个类别。那么得分函数结果将是10*1的向量。w将是10*3072的矩阵，b是10*1的向量。 意思就是，这张图通过计算，属于这一 阅读全文
摘要：
1、最近邻分类器（NN） 假如现在用CIFAR-10数据集做训练集，判断一张未知的图片属于CIFAR-10中的哪一类，应该怎么做? 现在有每个像素点的值，那我们就根据输入图片的这些值，计算和训练集中的图片距离，找最近的图片的类别。 图像距离评定准则，其中最简单的是曼哈顿距离：计算所有像素点之间的差值 阅读全文