摘要：
前言 大伙既然都来做这个了，那配个CUDA环境肯定是必不可少的了吧（笑） 最前面的最前面， 流程 确定当前设备支持的CUDA版本 安装CUDA Toolkit 和 GPU版的Paddlepaddle 下载cuDNN Archive 手动放置配套的cuDNN到指定文件夹 测试 1.确定当前设备支持的C 阅读全文
摘要：
前言 上一节大概讲了一下LeNet的内容，这一章就直接来用，实际上用一下LeNet来进行训练和分类试试。 调用的数据集： https://aistudio.baidu.com/datasetdetail/19065 说明： 如今近视已经成为困扰人们健康的一项全球性负担，在近视人群中，有超过35%的人 阅读全文
摘要：
前言 图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。图像分类在许多领域都有着广泛的应用，如：安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类， 阅读全文
摘要：
前言 这里实际上涉及到了挺多有关有关理论的东西，可以详细看一下paddle的官方文档。不过我这里不过多的谈有关理论的东西。 【低层视觉】低层视觉中常见的卷积核汇总 图像处理中常用的卷积核 在代码中，我们实际上是用不同的卷积核来造成不同的影响，我这里也是paddle中对于卷积核的几个比较简单的应用。 阅读全文
摘要：
前言 我们之前不是说了有关梯度下降公式的事嘛，就是那个 这样梯度下降公式涉及两个问题，一是梯度下降的策略，二是涉及到参数的选择，如果我们选择固定步长的时候，就会发现我们求的值一直在最小值左右震荡，很难选择到我们期望的值。 假设上图中，x0为我们期望的极小值，yB = xA - yA'xA的时候，xB 阅读全文
摘要：
前言 我们之前用的是均方差作为我们神经网络的损失函数评估值，但是我们对于结果，比如给定你一张应该是0的照片，它识别成了6，这个时候这个均方差表达了什么特别的含义吗？显然你识别成6并不代表它比识别成1的情况误差更大。 所以说我们需要一种全新的方式，基于概率的方案来对结果进行规范。也就是我们说的交叉熵损 阅读全文
摘要：
前言 第一次写卷积神经网络，也是照着paddlepaddle的官方文档抄，这里简单讲解一下心得。 首先我们要知道之前写的那些东西都是什么，之前写的我们称之为简单神经网络，也就是简单一层连接输出和输出，通过前向计算和逆向传播，以及梯度下降的方式让结果慢慢滑向我们期望的终点。 这种方法固然好，但是它的限 阅读全文
摘要：
目标 实现一个简单的手写识别的脚本，同样的，流程分五步走： 读入数据 初始化模型 训练模型 训练样本集乱序 校验数据有效性 前期准备 前期需要将库导入，还需要进行一些初始化操作 数据处理部分之前的代码，加入部分数据处理的库 点击查看代码 #加载飞桨和相关类库 import paddle from p 阅读全文
摘要：
目标 用paddlepaddle来重写之前那个手写的梯度下降方案，简化内容 流程 实际上就做了几个事： 数据准备：将一个批次的数据先转换成nparray格式，再转换成Tensor格式 前向计算：将一个批次的样本数据灌入网络中，计算出结果 计算损失函数：以前向计算的结果和真是房价作为输入，通过算是函数 阅读全文
摘要：
从波士顿房价开始 目标 其实这一章节比较简单，主要是概念，首先在波士顿房价这个问题中，我们假设了一组线性关系，也就是如图所示 我们假定结果房价和这些参数之间有线性关系，即: 然后我们假定这个函数的损失函数为均方差，即： 那么就是说，我们现在是已知y和x，来求使得这个损失函数Loss最小化的一个w和b 阅读全文