02 2017 档案

ImageNet Classification with Deep Convolutional Neural Networks（译文）转载
摘要：ImageNet Classification with Deep Convolutional Neural Networks Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton 摘要 我们训练了一个大型的深度卷积神经网络，来将在ImageNet 阅读全文
posted @ 2017-02-23 11:34 outthinker 阅读(12019) 评论(0) 推荐(1) 编辑
caffe源码阅读(1)_整体框架和简介（摘录）
摘要：原文链接：https://www.zhihu.com/question/27982282 1.Caffe代码层次。回答里面有人说熟悉Blob，Layer，Net，Solver这样的几大类，我比较赞同。我基本是从这个顺序开始学习的，这四个类复杂性从低到高，贯穿了整个Caffe。把他们分为三个层次介绍。 阅读全文
posted @ 2017-02-22 10:14 outthinker 阅读(4239) 评论(0) 推荐(0) 编辑
一些优秀的关于caffe源码阅读和实战的博客链接和截图
该文被密码保护。
posted @ 2017-02-22 10:02 outthinker 阅读(2) 评论(0) 推荐(0) 编辑
在imagenet预训模型上进行finetune
摘要：所谓fine tune就是用别人训练好的模型，加上我们自己的数据，来训练新的模型。fine tune相当于使用别人的模型的前几层，来提取浅层特征，然后在最后再落入我们自己的分类中。 fine tune的好处在于不用完全重新训练模型，从而提高效率，因为一般新训练模型准确率都会从很低的值开始慢慢上升，但 阅读全文
posted @ 2017-02-22 09:50 outthinker 阅读(4532) 评论(3) 推荐(0) 编辑
梯度优化算法总结以及solver及train.prototxt中相关参数解释
摘要：参考链接：http://sebastianruder.com/optimizing-gradient-descent/ 如果熟悉英文的话，强烈推荐阅读原文，毕竟翻译过程中因为个人理解有限，可能会有谬误，还望读者能不吝指出。另外，由于原文太长，分了两部分翻译，本篇主要是梯度下降优化算法的总结，下篇将会 阅读全文
posted @ 2017-02-21 11:24 outthinker 阅读(2519) 评论(0) 推荐(0) 编辑
Andrew Ng在coursera上的ML视频 知识点笔记（2）
摘要：一、由线性回归导出逻辑回归： 二、“一对多”算法解决多分类问题： 三、“过拟合”和“欠拟合”： （1）对线性回归加入正则项： （2）对逻辑回归加入正则项： （3）加入正则项之后的正规方程： 阅读全文
posted @ 2017-02-12 10:25 outthinker 阅读(276) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示