Alex_材料科学与工程

摘要： 主要用于处理txt文件 numpy说明文档链接：https://docs.scipy.org/doc/numpy-1.13.0 阅读全文

摘要： 1.运行faster-rcnn demo.py No module named _caffe属于没编译好，需要在caffe/lib下编译make，还需要在caffe/py-faster-rcnn/caffe-fast-rcnn下编译make ,还需要make pycaffe 2.运行faster-r 阅读全文

摘要： 之前一直在win10_64系统装环境,但是老是出现问题,索性直接放弃! 第二天,用朋友11年的macos 10.13.3很顺利搞定! 在这里参考: https://blog.csdn.net/chenmaolin88/article/details/79370258 https://blog.csd 阅读全文

摘要： 样本插值 除了样本插值，还有nearest, zero,quadratic,cubic 都可以用numpy进行实现 用numpy实现的图像与matlab差不多，但是视觉上感觉numpy好看一些，而且用起来顺手 但是用numpy实现插值存在一个问题，无法采样！！！ 所以在最后还是只好用matlab进行 阅读全文

摘要： 深度学习（DL）有三大模型：CNN，RNN，DBN（深度信念网络） RNN：Recurrent Neural Network RNN可以与记忆做类比，经验的累积。 读书破万卷下笔如有神！ RNN 当前产生的结果 是 <以前记忆> 和 <当前状态的叠加> RNN每一个输出与前面的输出建立起关联，以前面 阅读全文

摘要： 相对CNN来说NN还是相对简单许多，这里是官网给的流程图 专门去TF社区看了下，专门对softmax有很详细的讲解 softmax可以看成是一个激励（activation）函数或者链接（link）函数，把我们定义的线性函数的输出转换成我们想要的格式，也就是关于10个数字类的概率分布。 因此，给定一张 阅读全文

摘要： 遗留的问题暂存在这里： - 在搭建完第一个神经网络-CNN，发现里面存在许多问题还没理解透彻。 - 尤其在卷积层和池化层上的步长选择，padding的模式，在哪一种情况下会更好。 - 在dropout的时候dropout rate为多少时，能提高accuracy。 - 在optimizer的选择上， 阅读全文

摘要： 先把问题贴出来： 问题主要来自神经网络各层对输入数据维度理解的问题，还是在理论上欠缺很多。 这是修改后的code： 由于自己的台式机太水，在训练的时候太耗费时间了！ 我是按照这张图搭建的神经网络，在第二次池化到扁平化处理的时候，我一直没有理解好为什么维度不兼容，后来查阅了一些别人写的MNIST代码， 阅读全文

摘要： 池化与卷积差不多（个人认为！），原因在于池化类似于亚采样。 阅读全文

摘要： input：输入数据 filter：过滤器 strides：卷积滑动步长，实际上可以解释为过滤器的大小 padding：图像边填充方式 > 在这里详细地对各个参数做出解释： input：就是卷积的输入数据，该输入数据要求是一个Tensor，所以张量的shape为[batch, in_height, 阅读全文