程序项目代做,有需求私信(小程序、网站、爬虫、电路板设计、驱动、应用程序开发、毕设疑难问题处理等)

04 2018 档案

摘要:随着科研人员在使用神经网络训练时不断的尝试,为我们留下了很多有用的技巧,合理的运用这些技巧可以使自己的模型得到更好的拟合效果。 一 利用异或数据集演示过拟合 全连接网络虽然在拟合问题上比较强大,但太强大的拟合效果也带来了其它的麻烦,这就是过拟合问题。 首先我们看一个例子,这次将原有的4个异或带护具扩 阅读全文
posted @ 2018-04-26 21:54 大奥特曼打小怪兽 阅读(5503) 评论(0) 推荐(0) 编辑
摘要:多层神经网络非常好理解,就是在输入和输出中间多加一些层,每一层可以加多个神经元。下面的例子是通过加入一个隐藏层后对异或数据进行分类。 一 异或数据集 所谓的"异或数据"是来源于异或操作,可以绘制在直角坐标系中,如下图所示: 我们可以看到这张图很难通过一个直线把这两类数据风格开来,但是我们可以通过类似 阅读全文
posted @ 2018-04-26 14:50 大奥特曼打小怪兽 阅读(1853) 评论(0) 推荐(1) 编辑
摘要:一般来说,回归不用在分类问题上,因为回归是连续型模型,而且受噪声影响比较大。如果非要应用进入,可以使用logistic回归。logistic回归本质上是线性回归,只是在特征到结果的映射中加入了一层函数映射,即先把特征线性求和,然后使用函数g(z)函数来预测。 下面介绍一个线性逻辑回归的案例,这里被用 阅读全文
posted @ 2018-04-25 20:39 大奥特曼打小怪兽 阅读(1154) 评论(0) 推荐(0) 编辑
摘要:一 、色彩空间转换 OpenCV中有数百种关于在不同色彩空间之间转换的方法。当前,在计算机中有三种常用的色彩空间:灰度,BGR以及HSV(Hue,Saturation,Value)。 灰度色彩空间是通过去除色彩信息来将其转换成灰阶,灰度色彩空间对中间处理特别有效,比如人脸检测。 BGR,即蓝-绿-红 阅读全文
posted @ 2018-04-22 14:32 大奥特曼打小怪兽 阅读(15879) 评论(0) 推荐(1) 编辑
摘要:由于随着神经网络层数的增多,需要训练的参数也会增多,随之而来需要的数据集就会很大,这样会造成需要更大的运算资源,而且还要消耗很长的运算时间。TensorFlow提供了一个可以分布式部署的模式,将一个训练任务拆分成多个小任务,配置到不同的计算机上完成协同运算,这样使用计算机群运算来代替单机运算,可以使 阅读全文
posted @ 2018-04-19 14:25 大奥特曼打小怪兽 阅读(6135) 评论(0) 推荐(0) 编辑
摘要:这一节主要来介绍TesorFlow的可视化工具TensorBoard,以及TensorFlow基础类型定义、函数操作,后面又介绍到了共享变量和图操作。 一 TesnorBoard可视化操作 TensorFlow提供了可视化操作工具TensorBoard。他可以将训练过程中的各种数据展示出来,包括标量 阅读全文
posted @ 2018-04-18 15:08 大奥特曼打小怪兽 阅读(1588) 评论(0) 推荐(0) 编辑
摘要:在我们使用TensorFlow的时候,有时候需要训练一个比较复杂的网络,比如后面的AlexNet,ResNet,GoogleNet等等,由于训练这些网络花费的时间比较长,因此我们需要保存模型的参数。 编程基础案例中主要讲解模型的保存和恢复,以及使用几个案例使我们更好的理解这一块内容。 一 保存和载入 阅读全文
posted @ 2018-04-17 22:14 大奥特曼打小怪兽 阅读(3228) 评论(1) 推荐(1) 编辑
摘要:在第一节中我们已经介绍了一些TensorFlow的编程技巧;第一节,TensorFlow基本用法,但是内容过于偏少,对于TensorFlow的讲解并不多,这一节对之前的内容进行补充,并更加深入了解讲解TensorFlow. TesorFlow的命名来源于本身的运行原理。Tensor(张量)意味着N维 阅读全文
posted @ 2018-04-17 20:54 大奥特曼打小怪兽 阅读(18800) 评论(0) 推荐(2) 编辑
摘要:最近在网上也看了不少相关深度学习的视频,大部分都在讲解原理,对代码的实现讲解较少,为此苦苦寻找一本实战的书籍,黄天不负有心人,终于找到一本很好的书籍,<深度学习之TensorFlow入门、原理与进阶实战>,作者是李金洪。在这里就记录一下我的学习之路,也希望对和我一样在学习深度学习路上迷茫的同学有一定 阅读全文
posted @ 2018-04-17 16:49 大奥特曼打小怪兽 阅读(992) 评论(0) 推荐(0) 编辑
摘要:上一节内容已经详细介绍了AlexNet的网络结构。这节主要通过Tensorflow来实现AlexNet。 这里做测试我们使用的是CIFAR-10数据集介绍数据集,关于该数据集的具体信息可以通过以下链接查看:https://blog.csdn.net/davincil/article/details/ 阅读全文
posted @ 2018-04-14 21:54 大奥特曼打小怪兽 阅读(8252) 评论(0) 推荐(1) 编辑
摘要:上一节我们讲解了图像的读取,以及视频读写,摄像头读写的基本操作。但是我们在做测试的时候是使用的面向过程的方法。为了提高模块化水平和扩展性,这一节我们采用面向对象方式实现。 一、示例程序 该程序主要包括三个部分,分别为: CaptureManager类,主要负责提取视频流。 该类可以用来读取新的帧(来 阅读全文
posted @ 2018-04-14 20:29 大奥特曼打小怪兽 阅读(1457) 评论(0) 推荐(1) 编辑
摘要:之前一直在看深度学习,用到了图像处理的知识,所以过来补充一下OpenCV基础。 就顺便从网上了买了一本《OpenCV 3计算机视觉》这本书,这本书比较薄,但是目前已经够我用了,在这里就记录一下我的学习笔记。 一 、OpenCV3安装 1.1 Open CV3安装 在前面我已经介绍过我的python运 阅读全文
posted @ 2018-04-14 20:04 大奥特曼打小怪兽 阅读(14836) 评论(1) 推荐(2) 编辑
摘要:原文 ImageNet Classification with Deep ConvolutionalNeural Networks 下载地址:http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutiona 阅读全文
posted @ 2018-04-11 09:44 大奥特曼打小怪兽 阅读(4173) 评论(0) 推荐(0) 编辑
摘要:一 1x1卷积 在架构内容设计方面,其中一个比较有帮助的想法是使用 1×1 卷积。也许你会好奇,1×1 的卷积能做什么呢?不就是乘以数字么?听上去挺好笑的,结果并非如此,我们来具体看看。 过滤器为 1×1 ,这里是数字 2,输入一张 6×6×1 的图片,然后对它做卷积,过滤器大小为 1×1 ,结果相 阅读全文
posted @ 2018-04-09 19:46 大奥特曼打小怪兽 阅读(1994) 评论(0) 推荐(0) 编辑
摘要:一 实例探索 上一节我们介绍了卷积神经网络的基本构建,比如卷积层、池化层以及全连接层这些组件。事实上,过去几年计算机视觉研究中的大量研究都集中在如何把这些基本构件组合起来,形成有效的卷积神经网络。最直观的方式之一就是去看一些案例,就像很多人通过看别人的代码来学习编程一样,通过研究别人构建有效组件的案 阅读全文
posted @ 2018-04-09 15:36 大奥特曼打小怪兽 阅读(1606) 评论(0) 推荐(0) 编辑
摘要:一 三维卷积(Convolutions over Volumes) 前面已经讲解了对二维图像做卷积了,现在看看如何在三维立体上执行卷积。 我们从一个例子开始,假如说你不仅想检测灰度图像的特征,也想检测 RGB 彩色图像的特征。彩色图像如果是 6×6×3,这里的 3 指的是三个颜色通道,你可以把它想象 阅读全文
posted @ 2018-04-08 22:14 大奥特曼打小怪兽 阅读(1306) 评论(0) 推荐(2) 编辑
摘要:一 计算机视觉 把神经网络应用于计算机视觉时,有一个很大的挑战,就是数据的输入可能会非常大。举个例子,在过去的课程中,你们一般操作的都是 64×64 的小图片,实际上,它的数据量是 64×64×3,因为每张图片都有 3 个颜色通道。如果计算一下的话,可得知数据量为 12288,所以我们的特征向量。 阅读全文
posted @ 2018-04-04 19:08 大奥特曼打小怪兽 阅读(6085) 评论(1) 推荐(3) 编辑
摘要:最近一直在看仙守博友所记录的笔记 Hinton的CSC321课程(完结,待文字润色): 1、lecture1-NN的简介 2、lecture2-NN结构的主要类型的概述和感知机 3、lecture3-线性神经元和算法 4、lecture4-神经网络在语言上的应用 5、lecture5-对象识别与卷积 阅读全文
posted @ 2018-04-04 16:41 大奥特曼打小怪兽 阅读(626) 评论(0) 推荐(1) 编辑
摘要:[DeeplearningAI笔记]ML strategy_1_1正交化/单一数字评估指标 [DeeplearningAI笔记]ML strategy_1_2开发测试集评价指标 [DeeplearningAI笔记]ML strategy_1_3可避免误差与改善模型方法 [DeeplearningAI 阅读全文
posted @ 2018-04-04 16:40 大奥特曼打小怪兽 阅读(520) 评论(0) 推荐(0) 编辑
摘要:上一节,我们已经讲解了使用全连接网络实现手写数字识别,其正确率大概能达到98%,这一节我们使用卷积神经网络来实现手写数字识别, 其准确率可以超过99%,程序主要包括以下几块内容 [1]: 导入数据,即测试集和验证集 [2]: 引入 tensorflow 启动InteractiveSession(比s 阅读全文
posted @ 2018-04-02 21:51 大奥特曼打小怪兽 阅读(8099) 评论(0) 推荐(2) 编辑
摘要:参考文章 [1] 《利用python进行数据分析》读书笔记--第八章 绘图和可视化 [2] python 画子图(add_subplot & subplot) 阅读全文
posted @ 2018-04-02 09:12 大奥特曼打小怪兽 阅读(577) 评论(0) 推荐(0) 编辑
摘要:一 感知器 1.1 感知机介绍 感知器(Perceptron)是二分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1。这种算法的局限性很大: 只能将数据分为 2 类; 数据必须是线性可分的; 虽然有这些局限,但是感知器是 ANN 和 SVM 的基础,理解了感知器的原理,对学习 阅读全文
posted @ 2018-04-01 22:12 大奥特曼打小怪兽 阅读(2488) 评论(0) 推荐(0) 编辑
摘要:【Python数据挖掘课程】一.安装Python及爬虫入门介绍【Python数据挖掘课程】二.Kmeans聚类数据分析及Anaconda介绍【Python数据挖掘课程】三.Kmeans聚类代码实现、作业及优化【Python数据挖掘课程】四.决策树DTC数据分析及鸢尾数据集分析【Python数据挖掘课 阅读全文
posted @ 2018-04-01 21:55 大奥特曼打小怪兽 阅读(730) 评论(0) 推荐(0) 编辑

如果有任何技术小问题,欢迎大家交流沟通,共同进步

公告 & 打赏

>>

欢迎打赏支持我 ^_^

最新公告

程序项目代做,有需求私信(小程序、网站、爬虫、电路板设计、驱动、应用程序开发、毕设疑难问题处理等)。

了解更多

点击右上角即可分享
微信分享提示