2021年7月29日
数据增强（Data augmentation）
摘要： 数据增强（Data augmentation） 或许最简单的数据增强方法就是垂直镜像对称，假如，训练集中有这张图片，然后将其翻转得到右边的图像，实际是做了一个镜像对称，如果镜像操作保留了图像中想识别的物体的前提下，这是个很实用的数据增强技巧。 另一个经常使用的技巧是随机裁剪，给定一个数据集，然后开始 阅读全文
posted @ 2021-07-29 15:07 zhang-X 阅读(1401) 评论(0) 推荐(0)
1×1 卷积和Inception 网络
摘要： 1.1 1×1 卷积（Network in Network and 1×1 convolutions） 输入一张 6×6×1 的图片，然后对它做卷积，起过滤器大小为 1×1×1，结果相当于把这个图片乘以数字 2，但这仅仅是对于6×6×1 的一个通道图片来说，1×1 卷积效果不佳。如果是一张 6×6× 阅读全文
posted @ 2021-07-29 15:06 zhang-X 阅读(303) 评论(0) 推荐(0)
残差网络(ResNets)
摘要： 残差网络(ResNets)(Residual Networks (ResNets)) 非常非常深的神经网络是很难训练的，因为存在梯度消失和梯度爆炸问题。习跳跃连接（Skip connection），它可以从某一层网络层获取激活，然后迅速反馈给另外一层，甚至是神经网络的更深层。我们可以利用跳跃连接构建 阅读全文
posted @ 2021-07-29 15:03 zhang-X 阅读(1227) 评论(0) 推荐(0)
经典网络（LeNet-5、AlexNet 、 VGGNet）
摘要： 经典网络（Classic networks） 经典的神经网络结构，分别是 LeNet-5、AlexNet 和 VGGNet。 第一个是 LeNet-5 的网络结构，假设你有一张 32×32×1 的图片，LeNet-5 可以识别图中的手写数字，比如像这样手写数字 7，LeNet-5 是针对灰度图片训练 阅读全文
posted @ 2021-07-29 15:02 zhang-X 阅读(599) 评论(0) 推荐(0)
2021年7月27日
卷积神经网络示例（ 卷积层、池化层、全连接层）
摘要： 1 池化层（Pooling layers） 除了卷积层，卷积网络也经常使用池化层来缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性。假如输入是一个 4×4 矩阵，用到的池化类型是最大池化（max pooling），执行最大池化的树池是一个 2×2 矩阵，即f=2，步幅是 2，即s = 2，执 阅读全文
posted @ 2021-07-27 20:49 zhang-X 阅读(2272) 评论(0) 推荐(0)
单层卷积网络和简单卷积网络示例
摘要： 1 单层卷积网络（One layer of a convolutional network） 假设经过两次卷积运算，最终各自形成一个卷积神经网络层，然后增加偏差（它是一个实数），通过线性函数（ Python 的广播机制）给这 16 个元素都加上同一偏差，然后应用非线性激活函数 ReLU，输出结果是一 阅读全文
posted @ 2021-07-27 20:46 zhang-X 阅读(172) 评论(0) 推荐(0)
Padding、卷积步长（Strided convolutions）
摘要： 1 Padding 为了构建深度神经网络，需要学会使用的一个基本的卷积操作就是 padding，那么它是如何工作的呢？ 上一节的例题可以看到，如果你用一个 3×3 的过滤器卷积一个 6×6 的图像，你最后会得到一个 4×4 的输出，也就是一个 4×4 矩阵。那是因为你的 3×3 过滤器在 6×6 矩 阅读全文
posted @ 2021-07-27 20:41 zhang-X 阅读(787) 评论(0) 推荐(0)
卷积运算（二维、三维）
摘要： 1 边缘检测（Edge detection） 卷积运算是卷积神经网络最基本的组成部分，看一个例子，这是一个 6×6 的灰度图像，因为是灰度图像，所以它是 6×6×1 的矩阵，而不是 6×6×3 的，因为没有 RGB 三通道，为了检测图像中的垂直边缘，可以构造一个 3×3矩阵，像这样，它被称为过滤器， 阅读全文
posted @ 2021-07-27 20:38 zhang-X 阅读(2962) 评论(0) 推荐(0)
迁移学习、多任务学习、端到端的深度学习
摘要： 1 迁移学习（Transfer learning） 有的时候神经网络可以从一个任务中习得知识，并将这些知识应用到另一个独立的任务中，例如，也许你已经训练好一个神经网络，能够识别像猫这样的对象，然后使用那些知识，或者部分习得的知识去帮助您更好地阅读 x 射线扫描图，这就是所谓的迁移学习。 具体来说，在 阅读全文
posted @ 2021-07-27 20:34 zhang-X 阅读(603) 评论(0) 推荐(0)
Softmax
摘要： 1.2 Softmax 回归（Softmax regression） 有一种 logistic回归的一般形式，叫做 Softmax 回归，能让你在试图识别某一分类时做出预测，或者说是多种分类中的一个.假设你不单需要识别猫，而是想识别猫，狗和小鸡，我把猫加做类 1，狗为类 2，小鸡是类 3，如果不属于 阅读全文
posted @ 2021-07-27 20:19 zhang-X 阅读(440) 评论(0) 推荐(0)