摘要：
原文 ImageNet Classification with Deep ConvolutionalNeural Networks 下载地址：http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutiona 阅读全文
摘要：
一 1x1卷积 在架构内容设计方面，其中一个比较有帮助的想法是使用 1×1 卷积。也许你会好奇，1×1 的卷积能做什么呢？不就是乘以数字么？听上去挺好笑的，结果并非如此，我们来具体看看。 过滤器为 1×1 ，这里是数字 2，输入一张 6×6×1 的图片，然后对它做卷积，过滤器大小为 1×1 ，结果相 阅读全文
摘要：
一 实例探索 上一节我们介绍了卷积神经网络的基本构建，比如卷积层、池化层以及全连接层这些组件。事实上，过去几年计算机视觉研究中的大量研究都集中在如何把这些基本构件组合起来，形成有效的卷积神经网络。最直观的方式之一就是去看一些案例，就像很多人通过看别人的代码来学习编程一样，通过研究别人构建有效组件的案 阅读全文
摘要：
一 三维卷积(Convolutions over Volumes) 前面已经讲解了对二维图像做卷积了，现在看看如何在三维立体上执行卷积。 我们从一个例子开始，假如说你不仅想检测灰度图像的特征，也想检测 RGB 彩色图像的特征。彩色图像如果是 6×6×3，这里的 3 指的是三个颜色通道，你可以把它想象 阅读全文
摘要：
一 计算机视觉 把神经网络应用于计算机视觉时，有一个很大的挑战，就是数据的输入可能会非常大。举个例子，在过去的课程中，你们一般操作的都是 64×64 的小图片，实际上，它的数据量是 64×64×3，因为每张图片都有 3 个颜色通道。如果计算一下的话，可得知数据量为 12288，所以我们的特征向量。 阅读全文
摘要：
最近一直在看仙守博友所记录的笔记 Hinton的CSC321课程（完结，待文字润色）： 1、lecture1-NN的简介 2、lecture2-NN结构的主要类型的概述和感知机 3、lecture3-线性神经元和算法 4、lecture4-神经网络在语言上的应用 5、lecture5-对象识别与卷积 阅读全文
摘要：
[DeeplearningAI笔记]ML strategy_1_1正交化/单一数字评估指标 [DeeplearningAI笔记]ML strategy_1_2开发测试集评价指标 [DeeplearningAI笔记]ML strategy_1_3可避免误差与改善模型方法 [DeeplearningAI 阅读全文
摘要：
上一节，我们已经讲解了使用全连接网络实现手写数字识别，其正确率大概能达到98%，这一节我们使用卷积神经网络来实现手写数字识别， 其准确率可以超过99%，程序主要包括以下几块内容 [1]: 导入数据，即测试集和验证集 [2]: 引入 tensorflow 启动InteractiveSession(比s 阅读全文
摘要：
参考文章 [1] 《利用python进行数据分析》读书笔记--第八章 绘图和可视化 [2] python 画子图(add_subplot & subplot) 阅读全文
摘要：
一 感知器 1.1 感知机介绍 感知器（Perceptron）是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1。这种算法的局限性很大： 只能将数据分为 2 类; 数据必须是线性可分的; 虽然有这些局限，但是感知器是 ANN 和 SVM 的基础，理解了感知器的原理，对学习 阅读全文