卷积神经网络
-
TensorFlow学习笔记10-卷积网络
卷积神经网络(Convolutional Neural Network,CNN)专门处理具有类似网格结构的数据的神经网络。如： 时间序列数据(在时间轴上有规律地采样形成的一维网格)； 图像数据(二维的像素网格)； 卷积网络是指至少在网络的一层中使用卷积运算来替代一般的矩阵乘法运算的神经网络。 卷积 前面讲过卷积，相关算法这里直接使用。卷积公式为：\(s(t)…
-
卷积神经网络_(3)_几种简单训练技巧
下面来介绍几种简单的训练技巧： 1.首先说一下filter(感受野)的概念：感受野的大小即特征图中的某一单元是从原始输入图像中多大的一块区域中提取的特征； 如上图，第一次卷积后得到的特征图中，每一个小单元的感受野大小为3*3，而第二次卷积后特征图中的每一个小单元对应的感受野大小为5*5，以此类推，如果 用三层3*3的filter，那么最后一层特征图中每一个小…
-
狄利克雷卷积 与 杜教筛
先放上板题BZOJ3944洛谷P4213 嗯，杜教筛解决的就是这样一个丧心病狂的前缀和\(O(N)\)都会T。。 积性函数## 如果一个数论函数\(f(n)\)，满足若\(m,n\)互质，那么有\(f(n * m) = f(n) * f(m)\)，那么称\(f(n)\)为积性函数 特别的，如果对于任意\(n,m\)都满足\(f(n * m) = f(n) *…
-
卷积神经网络CNN识别MNIST数据集
这次我们将建立一个卷积神经网络，它可以把MNIST手写字符的识别准确率提升到99%，读者可能需要一些卷积神经网络的基础知识才能更好的理解本节的内容。 程序的开头是导入TensorFlow： import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data 接下…
-
【python实现卷积神经网络】上采样层upSampling2D实现
代码来源：https://github.com/eriklindernoren/ML-From-Scratch 卷积神经网络中卷积层Conv2D（带stride、padding）的具体实现：https://www.cnblogs.com/xiximayou/p/12706576.html 激活函数的实现（sigmoid、softmax、tanh、relu、l…
-
基于卷积神经网络实现图片风格的迁移
一、实验介绍 1.1 实验内容 Prisma 是最*很火的一款APP，它能够将一张普通的图像转换成各种艺术风格的图像。本课程基于卷积神经网络，使用Caffe框架，探讨图片风格迁移背后的算法原理，手把手教你实现和Prisma一样的功能，让电脑学习梵高作画。 本节课我们将学习CNN(卷积神经网络)的相关知识，学习本门课程之前，你需要先去学习814 使用pytho…
-
tensorflow的1维卷积
前面找到了tensorflow的一维卷积、池化函数，但是官方API太简单，网上的例子也不多。 由于没时间研究源码，只能另寻他法了。 后面细细想来，tensorflow的二维卷积、池化函数，好像也能进行一维卷积、池化；也就是，利用对图像矩阵进行卷积、池化的函数，把第一个维度设置成1。 这样做确实可行，最简单的代码示例如下： import tensorflow …
-
tensorflow实现1维卷积
官方参考文档：https://www.tensorflow.org/api_docs/python/tf/nn/conv1d 参考网页： http://www.riptutorial.com/tensorflow/example/19385/basic-example http://www.riptutorial.com/tensorflow/example…
-
[学习笔记]FMT(快速莫比乌斯变换)&子集卷积(待填坑)
写在前面 由于本蒟蒻理解也不透彻，这篇博客只讲怎么做，没有证明 没有证明 没有证明。 先说是拿来干嘛的 FMT是用来求解下面这种形式的“卷积”的： \[h(U) = \sum_{S \cup T = U} f(S) \cdot g(T) \] 叫做“集合并卷积” 其中\(U\)，\(S\)，\(T\)是集合，用二进制数表示集合就是： \[h(k) = \su…
-
opecv 卷积原理、边缘填充方式、卷积操作详解
什么是二维卷积呢？看下面一张图就一目了然：卷积就是循环对图像跟一个核逐个元素相乘再求和得到另外一副图像的操作，比如结果图中第一个元素5是怎么算的呢？原图中3×3的区域与3×3的核逐个元素相乘再相加：5=1×1+2×0+1×0+0×0+1×0+1×0+3×0+0×0+2×2算完之后，整个框再往右移一步继续计算，横向计算完后，再往下移一步继续计算。简而言之，卷积…
