Contents 图像数据集基础全连接神经网络解决图片问题的弊端（前世）卷积神经网络的今生 网络结构卷积操作池化操作小结 图像数据集基础 数字图像划分为彩色图像、灰度图像、二值图像和索引图像几种。其中，像素是构成图像的基本单位，例如一张28×28像素的图片，即表示横向有28个像素点，纵向有28个像素点。最常用的彩色图像和灰度图像：彩色图像：每个像素由RGB三个分量来表示，即红绿蓝。每个分量介于（0，255）。那么，对于一个...
R语言H2o包的几个应用案例 笔者寄语：受启发想了解H2o平台的一些R语言实现，网上已有一篇H2o的demo文件。笔者在这多贴一些案例，并且把自己实践的一些小例子贴出来。 关于H2o平台长啥样，可以看H2o的官网，关于深度学习长啥样，可以看一些教程，比如ParallelR博客之中的解析。下面主要是贴几个案例，让大家看看。———————————————————————————————————————————————————...
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...
import tensorflow as tfa = tf.constant([1.0, 2.0], name="a") b = tf.constant([2.0, 3.0], name="b") result = a + b print(result) import tensorflow as tfg1 = tf.Graph() with g1.as_default():v = tf.get_variable("v", [1], initializer = tf.zeros_initializer()) # 设置初始值为0 g2 = tf.Graph() with g2.as_default():v = tf.get_variable("v", [1], initializer = tf.ones_initializer()) # 设置初始值为...
python 模块和包 简单说相当于命名空间1，python 模块 python模块就是一个文件，里面有函数，变量等 import 模块 模块.方法 from 模块 import function from 模块 import * __name__ ==‘__main__‘ 是判断是自己运行模块还是被调用执行 if __name__==‘__main__‘: print(‘login主程序运行的‘) else: print(‘login被运行行的‘)2，python 包 模块的集合和__in...
深度学习Tensorflow相关书籍推荐和PDF下载baihualinxin关注32018.03.28 10:46:16字数 481阅读 22,6731.机器学习入门经典《统计学习方法》pdf下载链接:https://pan.baidu.com/s/1o99BsV4 密码:b2ul 2. 周志华的《机器学习》pdf下载链接:https://pan.baidu.com/s/1htFmlM0 密码:fx8y3. 《数学之美》吴军博士著pdf下载链接:https://pan.baidu.com/s/1mjG0ZsW 密码:4wtq4.Tensorflow 实战Google深度学习框架.pdf百度网盘下载链接链接：...
原文链接 序 读书期间对于深度学习也有涉及，不过只是皮毛，在这个数据和算法的时代，也需要更加贴近算法。于是从一名工程师角度出发，希望通过几篇文章，将深度学习基础记录下来，同时也是对于自己学习的总结和积累。总体思路是ANN－CNN－DNN，中间想起来有什么忘记的，也会加番。神经网络概述这是一张典型的人工神经网络的图，图中的节点称为神经元，图共分为三层，第一层为输入层，第二层为隐藏层，第三层为输出层。输入层接受外...
本文标签： 机器学习TensorFlowGoogle深度学习框架分布式机器学习PyTorch 近日，Reddit 用户 cjmcmurtrie 发了一个主题为「PyTorch vs. TensorFlow」的讨论帖，想要了解这两大流行的框架之间各自有什么优势。原帖地址：https://redd.it/5w3q74 帖子一楼写道：我还没有从 Torch7 迁移到 TensorFlow。我玩过 TensorFlow，但我发现 Torch7 更加直观（也许是我玩得不够？）。我也尝试了一点 PyTorch，所以我决定先看看效果。使用了几周...
import threading, timedef doWaiting():print(‘start waiting:‘, time.strftime(‘%S‘))time.sleep(3)print(‘stop waiting‘, time.strftime(‘%S‘)) thread1 = threading.Thread(target = doWaiting) thread1.start() time.sleep(1) #确保线程thread1已经启动print(‘start join‘) thread1.join() #将一直堵塞，直到thread1运行结束。print(‘end join‘) 原文：https://www.cnblogs.com/tszr/p/10352674.html
深度学习500问https://github.com/scutan90/DeepLearning-500-questions/ NLP部分：https://github.com/scutan90/DeepLearning-500-questions/blob/master/ch16_%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86(NLP)/%E7%AC%AC%E5%8D%81%E5%85%AD%E7%AB%A0_NLP.pdf原文：https://www.cnblogs.com/charlesblc/p/9929159.html
并发编程简介 并发编程可以帮助我们将程序划分为多个分离的、独立运行的任务。通过多线程机制，这些独立任务中的每一个都将由执行线程来驱动。一个线程就是在进程中的一个单一的顺序控制流，因此单个进程可以拥有多个并发执行的任务，但是程序使得每个任务都好像拥有自己的CPU一样，其底层机制是切分CPU时间。CPU会轮流为每个任务分配占用时间。 线程共享静态变量 每个线程拥有各自独立的地址空间，而其中的静态成员变量是可以被多...
简介 过去几年，深度神经网络在模式识别中占绝对主流。它们在许多计算机视觉任务中完爆之前的顶尖算法。在语音识别上也有这个趋势了。 虽然结果好，我们也必须思考……它们为什么这么好使？ 在这篇文章里，我综述一下在自然语言处理（NLP）上应用深度神经网络得到的一些效果极其显著的成果。我希望能提供一个能解释为何深度神经网络好用的理由。我认为这是个非常简练而优美的视角。 单隐层神经网络单隐层神经网络有一个普适性（uni...
什么是过拟合所谓过拟合（over-fitting）其实就是所建的机器学习模型或者是深度学习模型在训练样本中表现得过于优越，导致在验证数据集以及测试数据集中表现不佳。举个例子：现在我训练一个模型来识别狗狗，训练的数据恰好全是二哈的图片，结果多次迭代后把二哈的全部特点都识别成狗狗特有的了（比如二哈的颜色、和爱拆家的特点等）。这样如果我去识别一只金毛的时候则无法识别。这就是过拟合。 简单的一句话就是机器模型学到了太...
深度学习的特点：1）建立、模仿人脑学习的机制2）含多隐层的多层感知器；组合底层特征形成更加抽象的高层特征3）发现数据的分布性特征4）源于人工神经网络 人工神经网络的低潮：1）容易过拟合、参数难tune，需要不少trick2）训练速度比较慢，在层次比较少（小于等于3）的情况下效果并不比其它方法更优 人工神经网络和DL的训练机制的区别：人工神经网络：back propagation；采用迭代的算法来训练整个网络，随机设定初值，计算当前网...
论文链接：https://arxiv.org/pdf/1803.01271.pdfTCN（Temporal Convolutional Networks）TCN特点：可实现接收任意长度的输入序列作为输入，同时将其映射为等长的输出序列，这方面比较像RNN。计算是layer-wise的，即每个时刻被同时计算，而非时序上串行。其卷积网络层层之间是有因果关系的，意味着不会有“漏接”的历史信息或是未来数据的情况发生，即便 LSTM 它有记忆门，也无法完完全全的记得所有的历史信息，更何况要是该信息无...