深度学习
-
《深度解析SDN》学习小结
SDN（软件定义网络），顾名思义，通过软件来控制或驱动整个网络。SDN的核心概念有两个，第一是转发面与控制面的分离；第二是开放的可编程接口。另外，SDN强调集中式控制，通过软件来控制整个网络，但这并不意味着只有一个Controller，在大型网络中，更多是使用分布式Controller的架构来管理，如Onix。 SDN是一个部署网…
-
深度学习一：安装MXnet包，实现MNIST手写数体识别
我想写一系列深度学习的简单实战教程，用mxnet做实现平台的实例代码简单讲解深度学习常用的一些技术方向和实战样例。这一系列的主要内容偏向于讲解实际的例子，从样例和代码里中学习解决实际问题。我会默认读者有一定神经网络和深度学习的基础知识，读者在这里不会看到大段推导和理论阐述。基础理论知识十分重要，如果读者对理论知识有兴趣，可以参看已有的深度学习教程补充和巩固理…
-
深度学习图像去噪发展概述
#深度学习图像去噪发展概述 由于深度学习，特别是卷积神经网络（CNN）在图像识别等领域取得了较好的成果，近年来，基于深度学习的图像去噪方法也被提出并得到了发展。2008年，Viren Jain等提出用CNN处理自然图像的去噪问题[21]，得到了与常规方法（如小波变换和马尔可夫随机场）相近或更优的结果。并说明了特定形式的CNN可以被视为图像去噪的马尔可夫模型推…
-
转——深度学习之BN算法（Batch Normailization）
Batch Normalization 学习笔记 原文地址：http://blog.csdn.net/hjimce/article/details/50866313 作者：hjimce 一、背景意义 本篇博文主要讲解2015年深度学习领域，非常值得学习的一篇文献：《Batch Normalization: Accelerating Deep Network …
-
关于深度学习的小知识点
Q：CNN最成功的应用是在CV，那为什么NLP和Speech的很多问题也可以用CNN解出来？为什么AlphaGo里也用了CNN？这几个不相关的问题的相似性在哪里？CNN通过什么手段抓住了这个共性？ 以上几个不相关问题的相关性在于，都存在局部与整体的关系，由低层次的特征经过组合，组成高层次的特征，并且得到不同特征之间的空间相关性。 CNN抓住此共性…
-
解决linux服务器上安装深度学习环境，多CUDA版本问题
问题描述 在实验室服务器上安装自己的深度学习环境，但是可能服务器上默认的CUDA，与你需要的版本不同，一般地，CUDA安装好会在以下目录查看（包含其他用户安装的各个版本） 这时需要在你自己的目录下修改~/.bashrc文件中的PATH，参考了如下修改方式并未成功 我自己修改的PATH，修改后使用nvcc -V 查看版本还是公用目录默认的9.0 查看$CUDA…
-
常见的深度学习优化器
优化器的使用： 在机器学习与深度学习中，主要应用于梯度下降。比如：传统的优化器主要结合数据集，通过变化单次循环所采用的数据量的大小来对梯度下降进行控制；非传统的优化器则进一步结合数据集的特点和模型的训练时间，以不同的形式变化梯度下降的学习率。 常见的优化器 SGD、BGD、MBGD、Momentum、NAG、Adagrad、RMSprop、Adam …
-
《神经网络与深度学习》讲义 邱锡鹏著 （仅数学基础部分）
仅截取数学基础知识部分（矩阵基本运算 标量乘矩阵的计算有打印错误）
-
吴恩达深度学习笔记 course2 week3 测验
1. 第 1 个问题 If searching among a large number of hyperparameters, you should try values in a grid rather than random values, so that you can carry out the search more systematically…
-
[1天搞懂深度学习] 读书笔记 lecture I:Introduction of deep learning
– 通常机器学习，目的是，找到一个函数，针对任何输入：语音，图片，文字，都能够自动输出正确的结果。 – 而我们可以弄一个函数集合，这个集合针对同一个猫的图片的输入，可能有多种输出，比如猫，狗，猴子等，而我们通过提供大量的training data给这个函数集合，对集合里的各种函数组合的输出进行比对，最后选出一个能输出最佳结果(结果是猫)的组合，那么因为这个组…
