07 2017 档案
摘要:ZeroMQ,史上最快的消息队列 —– ZMQ的学习和研究 ZeroMQ 的模式 [架构] ZeroMQ 深度探索(一) 消息队列ZeroMQ 服务端使用流程: 客户端流程:
阅读全文
摘要:Caffe+Anconda3+VS2015+Win10(64位)环境搭建 Caffe on Windows (Visual Studio 2015+CUDA8.0+cuDNNv5) Win10+VS2015 caffe环境搭建(极其详细)
阅读全文
摘要:轻松看懂机器学习十大常用算法 通过本篇文章可以对ML的常用算法有个常识性的认识,没有代码,没有复杂的理论推导,就是图解一下,知道这些算法是什么,它们是怎么应用的,例子主要是分类问题。 每个算法都看了好几个视频,挑出讲的最清晰明了有趣的,便于科普。 以后有时间再对单个算法做深入地解析。 今天的算法如下
阅读全文
摘要:Caffe学习系列——工具篇:神经网络模型结构可视化 在Caffe中,目前有两种可视化prototxt格式网络结构的方法: 使用Netscope在线可视化 使用Caffe提供的draw_net.py 本文将就这两种方法加以介绍 1. Netscope:支持Caffe的神经网络结构在线可视化工具 Ne
阅读全文
摘要:深度神经网络可视化工具集锦 雷锋网按:原文作者zhwhong,载于作者的个人博客,雷锋网(公众号:雷锋网)经授权发布。 TensorBoard:TensorFlow集成可视化工具 GitHub官方项目:https://github.com/tensorflow/tensorflow/tree/mas
阅读全文
摘要:MIT一牛人对数学在机器学习中的作用给的评述 转载自http://my.oschina.net/feedao/blog/52252,不过这个链接也是转载的,出处已经无从考证了。 感觉数学似乎总是不够的。这些日子为了解决research中的一些问题,又在图书馆捧起了数学的教科书。 从大学到现在,课堂上
阅读全文
摘要:A Full Hardware Guide to Deep Learning .
阅读全文
摘要:Caffe上手教程 入门系列FAQ72 在Unbuntu上安装Caffe828 Windows下安装Caffe1.4K Caffe框架上手教程1.2K Caffe编译运行调试462 Caffe 电脑配置要求383 Caffe作者贾扬清讲座510 入门系列FAQ72 在Unbuntu上安装Caffe8
阅读全文
摘要:Caffe 深度学习框架上手教程 blink 15年1月 Caffe (CNN, deep learning) 介绍 Caffe Convolution Architecture For Feature Embedding (Extraction) Caffe 是什么东东? CNN (Deep Le
阅读全文
摘要:谷歌大脑科学家 Caffe缔造者 贾扬清 微信讲座完整版 一、讲座正文: 大家好!我是贾扬清237,目前在Google Brain83,今天有幸受雷鸣师兄邀请来和大家聊聊Caffe60。没有太多准备,所以讲的不好的地方还请大家谅解。 我用的ppt808基本上和我们在CVPR上要做的tutorial是
阅读全文
摘要:人工智能深度学习Caffe框架介绍,优秀的深度学习架构 人工智能深度学习Caffe框架介绍,优秀的深度学习架构 在深度学习领域,Caffe框架是人们无法绕过的一座山。这不仅是因为它无论在结构、性能上,还是在代码质量上,都称得上一款十分出色的开源框架。更重要的是,它将深度学习的每一个细节都原原本本地展
阅读全文
摘要:有趣的机器学习:最简明入门指南 首页 最新文章 IT 职场 前端 后端 移动端 数据库 运维 其他技术 - 导航条 - 首页 最新文章 IT 职场 前端 - JavaScript - HTML5 - CSS 后端 - Python - Java - C/C++ - PHP - .NET - Ruby
阅读全文
摘要:深度学习概述:从感知机到深度网络 (注:本文译自一篇博客,作者行文较随意,我尽量按原意翻译,但作者所介绍的知识还是非常好的,包括例子的选择、理论的介绍都很到位,由浅入深,源文地址) 近些年来,人工智能领域又活跃起来,除了传统了学术圈外,Google、Microsoft、facebook等工业界优秀企
阅读全文
摘要:传统神经网络ANN训练算法总结 学习/训练算法分类 神经网络类型的不同,对应了不同类型的训练/学习算法。因而根据神经网络的分类,总结起来,传统神经网络的学习算法也可以主要分为以下三类: 1)前馈型神经网络学习算法 (前馈型神经网络) 2)反馈型神经网络学习算法 (反馈型神经网络) 3)自组织神经网络
阅读全文
摘要:VC编译连接选项详解 大家可能一直在用VC开发软件,但是对于这个编译器却未必很了解。原因是多方面的。大多数情况下,我们只停留在“使用”它,而不会想去“了解”它。因为它只是一个工具,我们宁可把更多的精力放在C++语言和软件设计上。我们习惯于这样一种“模式”:建立一个项目,然后写代码,然后编译,反反复复
阅读全文
摘要:各种音视频编解码学习详解 编解码学习笔记(一):基本概念 媒体业务是网络的主要业务之间。尤其移动互联网业务的兴起,在运营商和应用开发商中,媒体业务份量极重,其中媒体的编解码服务涉及需求分析、应用开发、释放license收费等等。最近因为项目的关系,需要理清媒体的codec,比较搞的是,在豆丁网上看运
阅读全文
摘要:专栏:机器学习笔记 - CSDN博客 线性规划、梯度下降、正规方程组——斯坦福ML公开课笔记1-2 局部加权回归、逻辑斯蒂回归、感知器算法—斯坦福ML公开课笔记3 牛顿方法、指数分布族、广义线性模型—斯坦福ML公开课笔记4 生成学习、高斯判别、朴素贝叶斯—斯坦福ML公开课笔记5 NB多项式模型、神经
阅读全文
摘要:1、什么是分类问题,什么是回归问题?区别在哪里?有没有联系? 分类问题:是对输入数据求一个具体的值,例如简单的二分类,只存在两种情况,要么在参考直线的左边,要么在参考直线的右边,根据外表特征预测一个人是男还是女。 回归问题:是对输入数据求一个逼近真实结果的几率,比如预测高考结果能上清华北大的几率。
阅读全文
摘要:机器学习/数据挖掘 - 寒小阳 - CSDN博客 机器学习系列(1)_逻辑回归初步 机器学习系列(2)_从初等数学视角解读逻辑回归 机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾 机器学习系列(4)_机器学习算法一览,应用建议与解决思路 机器学习系列(5)_从白富美相亲看特征预处理与选择
阅读全文
摘要:【重磅干货整理】机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总 .
阅读全文
摘要:计算机视觉 - 寒小阳 - CSDN博客 .
阅读全文
摘要:深度学习与计算机视觉(12)_tensorflow实现基于深度学习的图像补全 原文地址:Image Completion with Deep Learning in TensorFlow by Brandon Amos 原文翻译与校对:@MOLLY && 寒小阳 (hanxiaoyang.ml@gm
阅读全文
摘要:深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统 作者:寒小阳 时间:2016年3月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/50856583 声明:版权所有,转载请联系作者并注明出处 1.引言 本系统
阅读全文
摘要:深度学习与计算机视觉系列(10)_细说卷积神经网络 作者:寒小阳 时间:2016年1月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/50542880 声明:版权所有,转载请联系作者并注明出处 1. 前言 前面九讲对神经网络的结构,组件,
阅读全文
摘要:深度学习与计算机视觉系列(8)_神经网络训练与注意点 作者:寒小阳 时间:2016年1月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/50521064 声明:版权所有,转载请联系作者并注明出处 1.训练 在前一节当中我们讨论了神经网络静
阅读全文
摘要:深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子 作者:寒小阳 时间:2016年1月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/50521072 声明:版权所有,转载请联系作者并注明出处 1.引言 前面8小节,算从神经网
阅读全文
摘要:深度学习与计算机视觉系列(7)_神经网络数据预处理,正则化与损失函数 作者:寒小阳 时间:2016年1月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/50451460 声明:版权所有,转载请联系作者并注明出处 1. 引言 上一节我们讲完
阅读全文
摘要:深度学习与计算机视觉系列(1)_基础介绍 作者:寒小阳 时间:2015年11月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/49876119 声明:版权所有,转载请注明出处,谢谢。 1.背景 计算机视觉/computer vision是
阅读全文
摘要:深度学习与计算机视觉系列(2)_图像分类与KNN 作者: 寒小阳 时间:2015年11月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/49949535 声明:版权所有,转载请注明出处,谢谢 1. 图像分类问题 这是人每天自然而然会做的事
阅读全文
摘要:深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器 作者: 寒小阳 时间:2015年11月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/49999299 声明:版权所有,转载请注明出处,谢谢。 1. 线性分类器 在深度学习
阅读全文
摘要:深度学习与计算机视觉系列(6)_神经网络结构与神经元激励函数 1.神经元与含义 大家都知道最开始深度学习与神经网络,是受人脑的神经元启发设计出来的。所以我们按照惯例也交代一下背景,从生物学的角度开始介绍,当然也是对神经网络研究的先驱们致一下敬。 1.1 神经元激励与连接 大家都知道,人脑的基本计算单
阅读全文
摘要:深度学习与计算机视觉系列(4)_最优化与随机梯度下降 1. 引言 上一节深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器中提到两个对图像识别至关重要的概念: 用于把原始像素信息映射到不同类别得分的得分函数/score function 用于评估参数W效果(评估该参数下每类得分和实际得
阅读全文
摘要:深度学习与计算机视觉系列(5)_反向传播与它的直观理解 1. 引言 其实一开始要讲这部分内容,我是拒绝的,原因是我觉得有一种写高数课总结的感觉。而一般直观上理解反向传播算法就是求导的一个链式法则而已。但是偏偏理解这部分和其中的细节对于神经网络的设计和调整优化又是有用的,所以硬着头皮写写吧。 问题描述
阅读全文
摘要:学习OpenCV——SVM 学习SVM,首先通过http://zh.wikipedia.org/wiki/SVM, 再通过博客http://blog.csdn.net/yang_xian521/article/details/6969904 OpenCV开发SVM算法是基于LibSVM软件包开发的,
阅读全文
摘要:梯度下降法解线性回归 回归分析(regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。按照涉及的自变量的多少,可分为一元回归分析和多元回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。 假设现在的目标是开餐馆选址,自变量
阅读全文
摘要:梯度下降法解神经网络 本文是Andrew Ng在Coursera的机器学习课程的笔记。 整体步骤 确定网络模型 初始化权重参数 对于每个样例,执行以下步骤直到收敛 计算模型输出:forward propagation 计算代价函数:比较模型输出与真实输出的差距 更新权重参数:back propaga
阅读全文
摘要:应用机器学习建议 本文是Andrew Ng在Coursera的机器学习课程的笔记。 动机 当一个算法在训练集表现优秀,但在测试集表现不佳时,我们需要考虑如何改良算法。方法包括: 修改拟合函数的最高阶数 增加或者减少特征数 修改regularization参数λ 增加样本数,扩大数据集 ... 该从何
阅读全文
摘要:MTCNN(Multi-task convolutional neural networks)人脸对齐 .
阅读全文
摘要:干货|最详尽的神经网络基础 2017-07-06 poll 机器学习算法与自然语言处理 神经网络基础 阅读目录 1. 神经元模型 2. 感知机和神经网络 3. 误差逆传播算法 4. 常见的神经网络模型 5. 深度学习 6. 参考内容 目前,深度学习(Deep Learning,简称DL)在算法领域可
阅读全文
摘要:机器学习常见算法分类汇总 机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文为您总结一下常见的机器学习算法,以供您在工作和学习中参考。 机器学习的算法很多。很多时候困惑人们都是,很多算法是一类算法,而有些算法又是从其他算法中延伸出来的。这里,我们从
阅读全文
摘要:梯度下降法的三种形式BGD、SGD以及MBGD 梯度下降法的三种形式BGD、SGD以及MBGD 阅读目录 1. 批量梯度下降法BGD 2. 随机梯度下降法SGD 3. 小批量梯度下降法MBGD 4. 总结 1. 批量梯度下降法BGD 2. 随机梯度下降法SGD 3. 小批量梯度下降法MBGD 4.
阅读全文
摘要:Git安装和使用 实际项目开发中,我们经常会用一些版本控制器来托管自己的代码,今天就来总结下Git的相关用法,废话不多说,直接开写。 目的:通过Git管理github托管项目代码 一、下载安装Git 1、下载Git 官方地址为:https://git-scm.com/download/win 2、下
阅读全文
摘要:梯度下降法解逻辑斯蒂回归 本文是Andrew Ng在Coursera的机器学习课程的笔记。 Logistic回归属于分类模型。回顾线性回归,输出的是连续的实数,而Logistic回归输出的是[0,1]区间的概率值,通过概率值来判断因变量应该是1还是0。因此,虽然名字中带着“回归”(输出范围常为连续实
阅读全文
摘要:机器学习中的范数规则化之(一)L0、L1与L2范数
阅读全文
摘要:机器学习入门:线性回归及梯度下降 本文会讲到: (1)线性回归的定义 (2)单变量线性回归 (3)cost function:评价线性回归是否拟合训练集的方法 (4)梯度下降:解决线性回归的方法之一 (5)feature scaling:加快梯度下降执行速度的方法 (6)多变量线性回归 Linear
阅读全文