源码以及注释:import numpy as np import matplotlib.pyplot as plt import h5py import scipyfrom PIL import Image from scipy import ndimage from lr_utils import load_dataset train_set_x_orig , train_set_y , test_set_x_orig , test_set_y , classes = load_dataset() # Example of a picture """ index = 25 plt.imshow(train_set_x_orig[index]) print ("y = " + str(train_set_y[:, index]) + ", it‘s a ‘" + class...
申明：本文非笔者原创，原文转载自：http://www.sigvc.org/bbs/thread-2187-1-3.html 4.2、初级（浅层）特征表示 既然像素级的特征表示方法没有作用，那怎样的表示才有用呢？ 1995 年前后，Bruno Olshausen和 David Field 两位学者任职 Cornell University，他们试图同时用生理学和计算机的手段，双管齐下，研究视觉问题。 他们收集了很多黑白风景照片，从这些照片中，提取出400个小碎片，每个照片碎片的...
zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者：Zouxyversion 1.0 2013-04-081）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如果某部分不小心侵犯了大家的利益，还望海涵，并联系博主删除。3）本人才疏学浅，整理总结的时候难免出错，还望各位前辈不吝...
1. RNN首先思考这样一个问题：在处理序列学习问题时，为什么不使用标准的神经网络（建立多个隐藏层得到最终的输出）解决，而是提出了RNN这一新概念？ 标准神经网络如下图所示：标准神经网络在解决序列问题时，存在两个问题：难以解决每个训练样例子输入输出长度不同的情况，因为序列的长度代表着输入层、输出层的维度，不可能每训练一个样例就改变一次网络结构。标准的神经网络不能共享从文本不同位置上学到的特征。举例说明：如果...
Keras最简单的安装方式就是：anaconda + pycharm + TensorFlow+（GPU或者CPU）TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。采用 pip 安装方式1.确认版本：pip版本 >= 8.1。用 pip -V 查看当前 pip 版本，用 python -m pip install -U pip 升级pip 。2.确保你安装了 VS2015 或者 2013 或者 2010。anaconda：集成了很多Pyt...
Logistic函数集在logistic里，我们要找的是一个后验概率\(P_{w,b}(C_1|x)\)\(P_{w,b}(C_1|x)\geq 0.5\)，output \(C_1\)\(P_{w,b}(C_1|x)\)<0.5，output \(C_2\)后验概率由\(\sigma(z)\)计算，\(\large \sigma(z)=\frac{1}{1+exp(-z)}\)，\(z=w \cdot x+b=\sum\limits_iw_ix_i+b\)。\(w\) 是一个向量，每个维度用下标\(i\)表示。函数集表示为\(\large f_{w,b}(x)=P_{w,b}(C_1|x)\)，受\(w,b\)控制。函数里有两组参数，\(w\)称为权重...
1.通常神经认知机包含两类神经元，即承担特征抽取的S-元和抗变形的C-元。S-元中涉及两个重要参数，即感受野与阈值参数，前者确定输入连接的数目，后者则控制对特征子模式的反应程度。在传统的神经认知机中，每个S-元的感光区中由C-元带来的视觉模糊量呈正态分布，也就是说如果眼睛感受到物体是移动的，即已感受到模糊和残影，S-感光区会调整识别模式，这时它不会完整地提取所有的特征给大脑而是只获取一部分关键特征，屏蔽其他的视...
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...