卷积神经网络
-
使用pytorch进行卷积和反卷积运算
（1）卷积运算(二维卷积) 以下是pytorch官网上的API 第一种情况 如上图所示，输入图片为4*4，卷积核为3*3，步长为1，零填充。 代码表示： 第二种情况 如上图所示，输入图片为5*5，卷积核为4*4，步长为1，填充为2。 代码表示： 第三种情况 如上图所示，输入图片为5*5，卷积核为3*3，步长为1，填充为2。 代码表示： …
-
Master of Phi (欧拉函数 + 积性函数的性质 + 狄利克雷卷积)
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=6265 题目大意:首先T是测试组数,n代表当前这个数的因子的种类,然后接下来的p和q,代表当前这个数的因子中含有p的q次方.然后让你求题目第一行给你的信息. 首先理一下思路. 第一步,我们需要算题目中要求的公式(第一行),首先,他是一个积性函数,所以我们先将题目…
-
从Winograd算法看INT8量化及卷积加速原理
Winograd算法 主要参考了shine-lee大神的文章《卷积神经网络中的Winograd快速卷积算法》，详细请参阅原文。 Winograd算法论文出自CVPR 2016的一篇 paper：Fast Algorithms for Convolutional Neural Networks。 当前的流行的推理框架（加速器），如NCNN、NNPACK、TNN…
-
UFLDL之卷积与池化
参考资料：[UFLDL教(http://ufldl.stanford.edu/wiki/index.php/UFLDL教程)及tornadomeet的博客个人代码：github地址 卷积与池化 卷积 当输入数据的特征数很大时，若特征层每个神经元都和所有特征相连，则需要非常多的参数。例如96*96的图像，学习100个特征，则有近1,000,000个参数需要学习…
-
卷积神经网络（CNN）和Faster-RCNN的理解
一、卷积神经网络（convolutional neural network，CNN） 1）定义 维基百科中的定义：CNN是一种前馈神经网络（Feedforward Neural Network），在它内部，参数从输入层向输出层单向传播，它和递归神经网络RNN不同，因为它不会形成环），它的人工神经元可以相应一部分覆盖范围内的周围单元，对于大型的图像处理有出…
-
CNN之经典卷积网络框架原理
一、GoogleNet 1、原理介绍 inception 结构 如下图所示，输入数据经过一分四，然后做一些大小不同的卷积，之后再堆叠feature map inception结构可以理解为把一个输入数据先通过一个1*1的卷积核进行降维然后再通过四个卷积核（分别为1*1，3*3，5*5，maxpooling）进行升维运…
-
数论入门1——莫比乌斯函数,欧拉函数,狄利克雷卷积,线性筛,莫比乌斯反演,杜教筛
一个菜鸡对数论的一点点理解… 莫比乌斯函数 定义函数\(\mu(n)\)为： 当n有平方因子时，\(\mu(n)=0\)。 当n没有平方因子时，\(\mu(n)=(-1)^{\omega(n)}\)，\(\omega(n)\)表示n不同质因子的个数。 性质1： \(\sum_{d|n}\mu(d)=[n=1]\) 证明：我们把n分解质因数，则原式\(=(…
-
CNN 卷积神经网络中的 接受视野（Receptive Field）
在卷积神经网络中，感受野定义：CNN每一层输出的特征图上的像素点在原始图像上的映射的区域大小。 RF （receptive field）描述了两个特征映射（Feature Maps）上神经元的关系，在进行 CNN 可视化的过程中非常有用。他也可以从侧面让我们了解， 为什么神经网络偏向于选择小的 Filter 和 Stride。假设，A 经过一系列的操作之…
-
卷积神经网络python实现
以下实现参考吴恩达的作业。 一、 padding def zero_pad(X, pad): “”” Pad with zeros all images of the dataset X. The padding is applied to the height and width of an image, as illustrated in Figure …
-
第三周学习进度–卷积神经网络简单实践猫狗识别
本周主要构件了一个卷积神经网络的模型，主要用以识别对应图片的种类，并且能够对图片进行预测 以下就是实现从网上爬取图片之后并识别毫不相干的从百度上查找的猫和狗图片的种类 首先从网上爬取一些图片到本地的文件夹当中，并对图片进行对应标签的标记。 我在网上选取了一些猫和狗的图片， 对爬取的图片进行标记，猫的图片标记A，狗的图片标记B 将对应图片的名称标记到…
