学习教材是邓力和俞栋写的“深度学习方法及应用”,是一本综述性的书。1、深度学习全称应该是深度结构学习,采用多层的、非线性信息处理方法,大概就是结构比较深的神经网络算法,也是包括输入层、隐层(多层)、输出层组成的多层网络,只有相邻层节点之间有连接,同一层以及跨层节点之间相互无连接,每一层可以看作是一个逻辑回归模型;这种分层结构,是比较接近人类大脑的结构的。深度学习算法的实现依赖于三个因素:①算法本身的...
1.主要应用 2.各种应用(1)卷积神经网络CNN,主要应用于图像方面 典型案例:原文:https://www.cnblogs.com/luckyplj/p/12586244.html
http://blog.csdn.net/zouxy09/article/details/8775360一、概述 Artificial Intelligence,也就是人工智能,就像长生不老和星际漫游一样,是人类最美好的梦想之中的一个。尽管计算机技术已经取得了长足的进步。可是到眼下为止。还没有一台电脑能产生“自我”的意识。是的,在人类和大量现成数据的帮助下,电脑能够表现的十分强大。可是离开了这两者,它甚至都不能分辨一个喵星人和一个汪星人。 图灵(图灵,大家都知道...
Error analysisCarrying out error analysisError analysis是手动分析算法错误的过程。通过一个例子来说明error analysis的过程。假设你在做猫图像识别的算法,它的错误率高达10%,你希望提高它的表现。
你已经有了一些改进的想法,包括:算法把狗的图片错误识别为猫,需要修正;算法把其他一些猫科动物(比如狮子,豹,...)错误识别为猫,需要修正;算法对于比较模糊的图片容易识别错误,需要改进;算法对于加了滤镜的图片容易识...
一、卷积卷积神经网络(Convolutional Neural Networks)是一种在空间上共享参数的神经网络。使用数层卷积,而不是数层的矩阵相乘。在图像的处理过程中,每一张图片都可以看成一张“薄饼”,其中包括了图片的高度、宽度和深度(即颜色,用RGB表示)。在不改变权重的情况下,把这个上方具有k个输出的小神经网络对应的小块滑遍整个图像,可以得到一个宽度、高度不同,而且深度也不同的新图像。卷积时有很多种填充图像的方法,以下主要介...
我们在计算模型w的转置乘上x的时候,往往需要把w和x分别进行向量化然后运算,因为这样会使我们的计算机得到结果的时间更快,而且这种方法不管是在CPU还是在GPU上都是成立的,首先我们来看看代码:import numpy as np
import time
a=np.random.rand(1000000)
b=np.random.rand(1000000)
toc=time.time()
c=np.dot(a,b)
tic=time.time()
print("向量化之后计算的时间为:"+str(1000*(tic-toc))+"ms")
c=0
tic=time.time()
for i in r...
深度学习So far this weekEdge detectionRANSACSIFTK-MeansLinear classifierMean-shiftPCA/EigenfacesImage featuresCurrent ResearchLearning hierarchical representations from dataEnd-to-end learning: raw inputs to predictionscan use a small set of simple tools to solve many problemshas led to rapid progress on many problemsInspired by the brain(very loosely!)Deep learning for different problemsvision ta...
1.高效计算基础
(1)python的基本语法
字符串类型如下图:(2)python的相关工具包
NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用, 这种组合广泛用于替代 MatLab,是一个强大的科学计算环境,有助于我们通过 Python 学习数据科学或者机器学习。
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。SciPy 是一个开源的 Py...
这里主要梳理一下作业的主要内容和思路,完整作业文件可参考:
https://github.com/pandenghuang/Andrew-Ng-Deep-Learning-notes/tree/master/assignments/C2W3
作业完整截图,参考本文结尾:作业完整截图。
TensorFlow Tutorial (Tensorflow教程)
Welcome to this weeks programming assignment. Until now, youve always used numpy to build neural networks. Now we will step you through a deep learning framework that ...
前言
不论是校招还是社招都避免不了各种面试、笔试,如何去准备这些东西就显得格外重要。不论是笔试还是面试都是有章可循的,我这个“有章可循”说的意思只是说应对技术面试是可以提前准备,所谓不打无准备的仗就是这个道理,以下为大家,描述了从面试准备到最后的拿到offer提供了非常详细的目录,建议可以从头看是看几遍,如果基础不错的话也可以挑自己需要的章节查看。
八大库
1.libavutil 核心工具库,最基础模块之一,其他模块...
6.1 处理文本数据
6.1.1 单词和字符的one-hot编码
(1)单词级的one-hot编码: 1 # 单词级的one-hot编码2 import numpy as np3 4 # 初始数据:每个样本是列表的一个元素(本例中的样本是一个句子,但也可以是一整篇文档)5 samples = [The cat sat on the mat., The dog ate my homework.]6 7 # 构建数据中所有标记的索引8 token_index = {}9 for sample in samples:
10 # 利用split方法对样本进行分词,在实际应用中,还需要从样本...
1 from keras.datasets import mnist2 from keras.utils import to_categorical3 4 #1. 获取数据5 (train_images, train_labels), (test_images, test_labels) = mnist.load_data()6 7 #2. 处理数据8 train_images = train_images.reshape((60000, 28, 28, 1))9 train_images = train_images.astype(float32) / 255
10
11 test_images = test_images.reshape((10000, 28, 28, 1))
12 test_images = test_images.astype(float32) /...
4.1 机器学习的四个分支
4.1.1 监督学习
含义:给定一组样本,它可以学会将输入数据映射到已知目标。
常见监督学习有:分类、回归、序列生成、语法树预测、目标检测、图像分割。
4.1.2 无监督学习
含义:是指在没有i目标的情况下寻找输入数据的有趣变换,其目的在于数据可视化、数据压缩、数据去噪或更好地理解数据中的相关性。
常见无监督学习有:降维、聚类。
4.1.3 自监督学习
含义:是没有人工标注的标签的监督学习,可以看...
1 import keras2 from keras.datasets import reuters3 import numpy as np4 from keras import models5 from keras import layers6 import matplotlib.pyplot as plt7 8 #1. 获取数据集9 (train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000)10 11 # print(train_data.shape)#(8982,)12 # print(test_data.shape)#(2246,)13 14 15 #2. 数据处理16 #2.1 将整数序列编码为二进制矩阵17 def ...
一、安装相关包
安装dlib、cmake、face_recognition
二、获取人脸的128位数组编码
使用基本演绎法这两个演员的脸测试,只用了这两张正脸进行识别,如果要识别准确,得准备多种角度的照片,才能比较精准。# 使用Face recognition获取人脸128位数组from imutils.video import VideoStream
from imutils import paths
import face_recognition
import argparse
import pickle
import cv2
import os
import imutilsdef train():# grab ...