摘要： fine-tuning是微调的意思，是用别人训练好的模型(即pre-trained model)，加上我们自己的数据，来训练新的模型。fine tune相当于使用别人的模型的前几层，来提取浅层特征，然后在最后再落入我们自己的分类中。 一般来说我们自己需要做的方向，比如在一些特定的领域的识别分类中，我 阅读全文

摘要： >>> a = ['1','2'] >>> b = ['3','4'] >>> a+b ['1', '2', '3', '4'] >>> a = [1,2] >>> b = [3,4] >>> a+b [1, 2, 3, 4] 阅读全文

摘要： 因为实验室电脑之前装tensorflow是用的anaconda装的，导致现在用pip装tensorflow1.0装上了却还是用的annaconda下的tensorflow0.8，所以想删除anaconda http://blog.csdn.net/qq_22474567/article/detail 阅读全文

摘要： >>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print(sess.run(hello)) 阅读全文

摘要： internal covariate shift(ics):训练深度神经网络是复杂的，因为在训练过程中，每层的输入分布会随着之前层的参数变化而发生变化。所以训练需要更小的学习速度和careful参数初始化，这将减缓训练的速度。 bn的目的就是解决ics 我们知道在神经网络训练开始前，都要对输入数据做 阅读全文

摘要： https://zhuanlan.zhihu.com/p/23270674 https://www.zybuluo.com/Feiteng/note/20154 阅读全文

摘要： Introduction: 传统的cnn过滤器是一个泛化的线性模型（GLM），我们认为这GLM的抽象能力是低级别的。把GLM替换为一个更有效的非线性函数近似能够提高抽象能力。当例子是线性可分时，GLM能实现很好的抽象。然而例子很多情况下是线性不可分的，输入的线性函数才能很好地表达。此网络没有采用传统 阅读全文

摘要： Architecture: 整个网络8层，5个卷积层，3个全连接层 Relu Nonlinearity： 非饱和的relu比饱和的sigmoid或者tanh训练速度快很多，并有效解决梯度消失 Overlapping Pooling： 论文中整个网络都使用重叠网络，分别降低top-1、top-5的错误 阅读全文

摘要： vggNet是从AlexNet而来，主要探索卷积神经网络的深度与性能之间的关系，通过反复堆叠3x3的卷积核（c中有1x1的卷积核,也只有c中有，c是16层）和2x2的最大池化层，vggNet构筑了16-19层深的卷积神经网络。 3x3卷积核：the smallest size to capture 阅读全文

摘要： inception1还在增加宽度，但resnet没有，只是增加深度 阅读全文