摘要: 在前面的文章中,我们通常是拿到一个任务,譬如图像分类、识别等,搜集好数据后就开始直接用模型进行训练,但是现实情况中,由于设备的局限性、时间的紧迫性等导致我们无法从头开始训练,迭代一两百万次来收敛模型,所以这个时候迁移学习就派上用场了。 什么是迁移学习? 迁移学习通俗来讲,就是运用已有的知识来学习新的 阅读全文
posted @ 2018-02-01 16:54 Charlotte77 阅读(9064) 评论(9) 推荐(3) 编辑
摘要: 上篇文章我们讲了如何对模型进行可视化,用的keras手动绘图输出CNN训练的中途结果,本篇文章将讲述如何用PaddlePaddle新开源的VisualDL来进行可视化。在讲VisualDL之前,我们先了解一下常用的Tensorflow的可视化工具 Tensorboard。 Tensorflow的可视 阅读全文
posted @ 2018-01-26 11:09 Charlotte77 阅读(8582) 评论(8) 推荐(7) 编辑
摘要: 前面几篇文章讲到了卷积神经网络CNN,但是对于它在每一层提取到的特征以及训练的过程可能还是不太明白,所以这节主要通过模型的可视化来神经网络在每一层中是如何训练的。我们知道,神经网络本身包含了一系列特征提取器,理想的feature map应该是稀疏的以及包含典型的局部信息。通过模型可视化能有一些直观的 阅读全文
posted @ 2018-01-24 22:47 Charlotte77 阅读(15160) 评论(10) 推荐(12) 编辑
摘要: 前段时间看到版内经常会有2017年的总结,但我总觉得年还没过,2017就不算真正的过完,上周五公司开了部门年会,这周五公司要开公司年会,年会完了再过一周多就准备回家了,一年才算快到头了。今年对于我而言是一个多变的一年,到年底我算工作了两年半了,打算从以下几个方面总结: 2017 工作 上半年:上半年 阅读全文
posted @ 2018-01-22 16:01 Charlotte77 阅读(11533) 评论(72) 推荐(52) 编辑
摘要: 写这个系列写了两个月了,对paddlepaddle的使用越来越熟悉,不过一直没找到合适的应用场景。最近百度搞了个AI大赛,据说有四个赛题,现在是第一个 综艺节目精彩片段预测 ,大家可以去检测一下最近的学习成果啊!还有丰厚的奖金10W元软妹币哦! 这是啥比赛? 看比赛的要求,是希望参赛选手使用Padd 阅读全文
posted @ 2018-01-04 12:30 Charlotte77 阅读(4730) 评论(6) 推荐(10) 编辑
摘要: 上一篇文章我们引出了GoogLeNet InceptionV1的网络结构,这篇文章中我们会详细讲到Inception V2/V3/V4的发展历程以及它们的网络结构和亮点。 GoogLeNet Inception V2 GoogLeNet Inception V2在《Batch Normalizati 阅读全文
posted @ 2017-12-27 22:02 Charlotte77 阅读(7457) 评论(5) 推荐(11) 编辑
摘要: 前面讲了LeNet、AlexNet和Vgg,这周来讲讲GoogLeNet。GoogLeNet是由google的Christian Szegedy等人在2014年的论文《Going Deeper with Convolutions》提出,其最大的亮点是提出一种叫Inception的结构,以此为基础构建 阅读全文
posted @ 2017-12-20 15:55 Charlotte77 阅读(9126) 评论(8) 推荐(15) 编辑
摘要: 上周我们讲了经典CNN网络AlexNet对图像分类的效果,2014年,在AlexNet出来的两年后,牛津大学提出了Vgg网络,并在ILSVRC 2014中的classification项目的比赛中取得了第2名的成绩(第一名是GoogLeNet,也是同年提出的)。在论文《Very Deep Convo 阅读全文
posted @ 2017-12-13 12:27 Charlotte77 阅读(8526) 评论(5) 推荐(11) 编辑
摘要: 上周我们用PaddlePaddle和Tensorflow实现了图像分类,分别用自己手写的一个简单的CNN网络simple_cnn和LeNet-5的CNN网络识别cifar-10数据集。在上周的实验表现中,经过200次迭代后的LeNet-5的准确率为60%左右,这个结果差强人意,毕竟是二十年前写的网络 阅读全文
posted @ 2017-12-06 13:11 Charlotte77 阅读(7990) 评论(9) 推荐(14) 编辑
摘要: 上个月发布了四篇文章,主要讲了深度学习中的“hello world” mnist图像识别,以及卷积神经网络的原理详解,包括基本原理、自己手写CNN和paddlepaddle的源码解析。这篇主要跟大家讲讲如何用PaddlePaddle和Tensorflow做图像分类。所有程序都在我的github里,可 阅读全文
posted @ 2017-11-29 17:18 Charlotte77 阅读(21121) 评论(20) 推荐(13) 编辑
摘要: 上篇文章中我们讲解了卷积神经网络的基本原理,包括几个基本层的定义、运算规则等。本文主要写卷积神经网络如何进行一次完整的训练,包括前向传播和反向传播,并自己手写一个卷积神经网络。如果不了解基本原理的,可以先看看上篇文章:【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理 卷积神经网络的前向传 阅读全文
posted @ 2017-11-22 17:20 Charlotte77 阅读(65447) 评论(81) 推荐(52) 编辑
摘要: 上篇文章讲了卷积神经网络的基本知识,本来这篇文章准备继续深入讲CNN的相关知识和手写CNN,但是有很多同学跟我发邮件或私信问我关于PaddlePaddle如何读取数据、做数据预处理相关的内容。网上看的很多教程都是几个常见的例子,数据集不需要自己准备,所以不需要关心,但是实际做项目的时候做数据预处理感 阅读全文
posted @ 2017-11-08 13:15 Charlotte77 阅读(24825) 评论(21) 推荐(28) 编辑
摘要: 上篇文章我们给出了用paddlepaddle来做手写数字识别的示例,并对网络结构进行到了调整,提高了识别的精度。有的同学表示不是很理解原理,为什么传统的机器学习算法,简单的神经网络(如多层感知机)都可以识别手写数字,我们要采用卷积神经网络CNN来进行别呢?CNN到底是怎么识别的?用CNN有哪些优势呢 阅读全文
posted @ 2017-11-01 09:00 Charlotte77 阅读(257245) 评论(113) 推荐(109) 编辑
摘要: 最新更新:【深度学习系列】PaddlePaddle之手写数字识别(10.26更新) 【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理(11.1更新) 【深度学习系列】PaddlePaddle之数据预处理(11.8更新) 【深度学习系列】卷积神经网络详解(二)——自己手写一个卷积神经网络( 阅读全文
posted @ 2017-10-26 13:07 Charlotte77 阅读(70367) 评论(222) 推荐(244) 编辑
摘要: 上周在搜索关于深度学习分布式运行方式的资料时,无意间搜到了paddlepaddle,发现这个框架的分布式训练方案做的还挺不错的,想跟大家分享一下。不过呢,这块内容太复杂了,所以就简单的介绍一下paddlepaddle的第一个“hello word”程序 mnist手写数字识别。下一次再介绍用Padd 阅读全文
posted @ 2017-10-23 14:33 Charlotte77 阅读(27759) 评论(23) 推荐(20) 编辑