深度学习

  　　 　　不多说，直接上干货！       　　Faster rcnn是用来解决计算机视觉(CV)领域中Object Detection的问题的。经典的解决方案是使用: SS(selective search)产生proposal,之后使用像SVM之类的classifier进行分类，得到所有可能的目标. 　　使用SS的一个重要的弊端就是：特别耗时，而且使…

  　　不多说，直接上干货！     前言: 　　最近打算稍微系统的学习下deep learing的一些理论知识，打算采用Andrew Ng的网页教程UFLDL Tutorial，据说这个教程写得浅显易懂，也不太长。不过在这这之前还是复习下machine learning的基础知识，见网页：http://openclassroom.stanford.edu/…

    　　不多说，直接上干货！     　　AI技术研究的兴起，伴随着两种最直观的思维技巧，即遗传算法与神经网络，这是对生物学研究最直观的技术抽象。深度学习的前身就是神经网络，这个80年代灵光乍现的技术，在那一波人工智能的大潮驱使下，带着人们对于未来AI时代的憧憬，迅速蔓延，一时风头无两，和今天深度学习的火热几乎如出一辙。       某乎友的观点给出了这…

转载请注明：炼丹实验室新开了一个专栏，为什么叫炼丹实验室呢，因为以后会在这个专栏里分享一些关于深度学习相关的实战心得，而深度学习很多人称它为玄学，犹如炼丹一般。不过即使是炼丹也是可以摸索出一些经验规律的，希望和各位炼丹术士一起多多交流。 训练技巧对深度学习来说是非常重要的，作为一门实验性质很强的科学，同样的网络结构使用不同的训练方法训练，结果可能会有很大的差…

http://www.renwuyi.com/index.php?action=artinfo&id=19036&cat_id=2#top 　文本生成是比较学术的说法，通常在媒体上见到的“机器人写作”、“人工智能写作”、“自动对话生成”、“机器人写古诗”等，都属于文本生成的范畴。 　　2016年里，关于文本生成有许多的新闻事件，引起了学术界以外对这一话题的广…

https://zhuanlan.zhihu.com/p/24720954?utm_source=zhihu&utm_medium=social 转载请注明：炼丹实验室 之前曾经写过一篇文章，讲了一些深度学习训练的技巧，其中包含了部分调参心得：深度学习训练心得。不过由于一般深度学习实验，相比普通机器学习任务，时间较长，因此调参技巧就显得尤为重要。同时个人实践…

https://zhuanlan.zhihu.com/p/20792837 转载请注明：炼丹实验室 神经网络的代码，比一般的代码要难调试不少，和编译错误以及运行时程序崩溃相比，神经网络比较棘手的地方，往往在于程序运行正常，但是结果无法收敛，这个检查起来可要麻烦多了。下面是根据我平时调试神经网络的经验，总结的一些比较通用的调试技巧，后续会再写一篇文章，专门介绍…

https://zhuanlan.zhihu.com/p/25928551 近来在同时做一个应用深度学习解决淘宝商品的类目预测问题的项目，恰好硕士毕业时论文题目便是文本分类问题，趁此机会总结下文本分类领域特别是应用深度学习解决文本分类的相关的思路、做法和部分实践的经验。 业务问题描述： 淘宝商品的一个典型的例子见下图，图中商品的标题是“夏装雪纺条纹短袖t恤女…

包括Phd和Post-doc, co-supervise关系 David Marr(MIT)                    ——–Shimon Ullman(Weizmann)                                                              ———Daniel Hutte…

[PyImageSearch] Ubuntu16.04 使用深度学习和OpenCV实现物体检测 　　上一篇博文中讲到如何用OpenCV实现物体分类，但是接下来这篇博文将会告诉你图片中物体的位置具体在哪里。 　　我们将会知道如何使用OpenCV‘s的dnn模块去加载一个预训练的物体检测网络，它能使得我们将输入图像通过网络并且获得每个物体在图像中的输出位置。 　…