大奥特曼打小怪兽

2018年5月5日

摘要：在使用卷积神经网络时，我们也总结了一些训练技巧，下面就来介绍如何对卷积核进行优化，以及多通道卷积技术的使用。一优化卷积核在实际的卷积训练中，为了加快速度，常常把卷积核裁开。比如一个3x3的卷积核，可以裁成一个3x1和1x3的卷积核(通过矩阵乘法得知)，分别对原有输入做卷积运算，这样可以大大提升阅读全文

posted @ 2018-05-05 18:16 大奥特曼打小怪兽阅读(6158) 评论(1) 推荐(2)

第十六节，使用函数封装库tf.contrib.layers

摘要：这一节，介绍TensorFlow中的一个封装好的高级库，里面有前面讲过的很多函数的高级封装，使用这个高级库来开发程序将会提高效率。我们改写第十三节的程序，卷积函数我们使用tf.contrib.layers.conv2d()，池化函数使用tf.contrib.layers.max_pool2d()和阅读全文

posted @ 2018-05-05 16:36 大奥特曼打小怪兽阅读(18714) 评论(0) 推荐(0)

第十五节，利用反卷积技术复原卷积网络各层图像

摘要：在第十三节，我们已经介绍了使用带有全局平均池化层的CNN对CIFAR10数据集分类，在学习了反卷积神经网络之后我们把第十三节那个程序里的卷积层可视化出来。一替换掉tf.nn.max_pool()函数这里不再使用自己定义的max_pool_2x2函数，改成新加入的带有mask返回值得max_po 阅读全文

posted @ 2018-05-05 11:45 大奥特曼打小怪兽阅读(3389) 评论(1) 推荐(1)

2018年5月4日

第十四节，TensorFlow中的反卷积，反池化操作以及gradients的使用

摘要：反卷积是指，通过测量输出和已知输入重构未知输入的过程。在神经网络中，反卷积过程并不具备学习的能力，仅仅是用于可视化一个已经训练好的卷积神经网络，没有学习训练的过程。反卷积有着许多特别的应用，一般可以用于信道均衡、图像恢复、语音识别、地震学、无损探伤等未知输入估计和过程辨识方面的问题。在神经网络的研阅读全文

posted @ 2018-05-04 22:12 大奥特曼打小怪兽阅读(14526) 评论(5) 推荐(2)

第十三节，使用带有全局平均池化层的CNN对CIFAR10数据集分类

摘要：这里使用的数据集仍然是CIFAR-10，由于之前写过一篇使用AlexNet对CIFAR数据集进行分类的文章，已经详细介绍了这个数据集，当时我们是直接把这些图片的数据文件下载下来，然后使用pickle进行反序列化获取数据的，具体内容可以参考这里：第十六节，卷积神经网络之AlexNet网络实现(六) 与阅读全文

posted @ 2018-05-04 13:07 大奥特曼打小怪兽阅读(6879) 评论(1) 推荐(1)

2018年5月2日

第十二节，TensorFlow读取数据的几种方法以及队列的使用

摘要： TensorFlow程序读取数据一共有3种方法: 供给数据(Feeding)：在TensorFlow程序运行的每一步，让Python代码来供给数据。从文件读取数据：在TensorFlow图的起始，让一个输入管道从文件中读取数据。预加载数据：在TensorFlow图中定义常量或变量来保存阅读全文

posted @ 2018-05-02 22:48 大奥特曼打小怪兽阅读(7983) 评论(0) 推荐(1)

2018年4月26日

第十一节，全连接网络中的优化技巧-过拟合、正则化,dropout、退化学习率等

摘要：随着科研人员在使用神经网络训练时不断的尝试，为我们留下了很多有用的技巧，合理的运用这些技巧可以使自己的模型得到更好的拟合效果。一利用异或数据集演示过拟合全连接网络虽然在拟合问题上比较强大，但太强大的拟合效果也带来了其它的麻烦，这就是过拟合问题。首先我们看一个例子，这次将原有的4个异或带护具扩阅读全文

posted @ 2018-04-26 21:54 大奥特曼打小怪兽阅读(5648) 评论(0) 推荐(0)

第十节，利用隐藏层解决非线性问题-异或问题

摘要：多层神经网络非常好理解，就是在输入和输出中间多加一些层，每一层可以加多个神经元。下面的例子是通过加入一个隐藏层后对异或数据进行分类。一异或数据集所谓的"异或数据"是来源于异或操作，可以绘制在直角坐标系中，如下图所示：我们可以看到这张图很难通过一个直线把这两类数据风格开来，但是我们可以通过类似阅读全文

posted @ 2018-04-26 14:50 大奥特曼打小怪兽阅读(1928) 评论(0) 推荐(1)

2018年4月25日

第九节，线性逻辑回归

摘要：一般来说，回归不用在分类问题上，因为回归是连续型模型，而且受噪声影响比较大。如果非要应用进入，可以使用logistic回归。logistic回归本质上是线性回归，只是在特征到结果的映射中加入了一层函数映射，即先把特征线性求和，然后使用函数g(z)函数来预测。下面介绍一个线性逻辑回归的案例，这里被用阅读全文

posted @ 2018-04-25 20:39 大奥特曼打小怪兽阅读(1171) 评论(0) 推荐(0)

2018年4月22日

第三节，滤波&边缘检测

摘要：一、色彩空间转换 OpenCV中有数百种关于在不同色彩空间之间转换的方法。当前，在计算机中有三种常用的色彩空间：灰度，BGR以及HSV(Hue,Saturation,Value)。灰度色彩空间是通过去除色彩信息来将其转换成灰阶，灰度色彩空间对中间处理特别有效，比如人脸检测。 BGR，即蓝-绿-红阅读全文

posted @ 2018-04-22 14:32 大奥特曼打小怪兽阅读(16030) 评论(0) 推荐(1)

大奥特曼打小怪兽

公告