卷积神经网络
-
机器学习|轻量级卷积神经网络——MobileNet
谷歌论文题目： MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 其他参考： CNN模型之MobileNet Mobilenet网络的理解 轻量化网络：MobileNet-V2 Tensorflow实现参考： https://github.co…
-
《基于深度卷积神经网络的实体关系抽取》笔记
研究背景：传统的基于机器学习的方法针对不同的自然语言处理任务时需要使用不同的统计模型和优化算法,涉及大量手工挑选任务相关特征，同时选择结果、受到传统自然语言处理工具的影响，易造成误差传播。 这篇论文是基于CNN的模型，做出了两个小的改进：1.在初始输入为词向量和位置向量的基础上增加了类别关键词特征。2.在池化层选择分段最大池化策略，而不是一般的最大池化策略。…
-
卷积神经网络之迁移学习
根据前面所做的笔记，卷积神经网络随随便便就有那么多参数，如果我训练集过少的话，会造成过拟合的问题。那如何在训练数据过少的情况下来使我的效果变得好呢？ 举个例子，比如说我区分猫狗的训练数据有10万个，利用这10玩个数据我训练出来的效果特别好。但我区分老虎和狮子的训练集只有1万个，我能不能达到像区分猫狗那样的性能呢？答案是可以的。 我们都是随机初始化…
-
卷积神经网络之卷积的物理意义
图像中的卷积，是离散的，这不同于我们数学中的卷积公式，数学中的卷积公式大部分都是连续的，但是也有离散的卷积公式，学过数字信号处理的应该都知道。这一点是我之前不明白的地方。 正如上图所示，大的方框表示原图像的像素，中间小的3*3的方框为卷积模板，最右边的方框是做完卷积之后的输出图像。 那么，为什么要对图像做卷积呢？卷积的物理意义是什么呢？经过…
-
Pytorch 卷积中的 Input Shape用法
先看Pytorch中的卷积 class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True) 二维卷积层, 输入的尺度是(N, C_in,H,W)，输出尺度（N,C_out,H_out,W_ou…
-
CNN中feature map、卷积核、卷积核个数、filter、channel的概念解释，以及CNN 学习过程中卷积核更新的理解
具体可以看这篇文章，写的很详细。https://blog.csdn.net/xys430381_1/article/details/82529397
-
卷积神经网络Lenet-5实现
原文地址：http://blog.csdn.net/hjimce/article/details/47323463 作者：hjimce 卷积神经网络算法是n年前就有的算法，只是近年来因为深度学习相关算法为多层网络的训练提供了新方法，然后现在电脑的计算能力已非当年的那种计算水平，同时现在的训练数据很多，于是神经网络的相关算法又重新火了起来，因此卷积神经网络就又…
-
Convolutional Neural Networks (卷积神经网络)
刚进实验室，被叫去看CNN。看了一些博客和论文，消化了很久，同时觉得一些博客存在一些谬误。我在这里便尽量更正，并加入自己的思考。如果觉得本文有哪里不妥或疑惑，请在下面发表评论，大家一起探讨。如有大神路过，请务必教我做人。然后，那些捣乱的，泥垢，前面左转不送。 卷积神经网络(CNN)是deep learning的基础。传统的全连接神经网络(fully …
-
TensorFlow卷积神经网络实现手写数字识别以及可视化
边学习边笔记 https://www.cnblogs.com/felixwang2/p/9190602.html 1 # https://www.cnblogs.com/felixwang2/p/9190602.html 2 # TensorFlow(十)：卷积神经网络实现手写数字识别以及可视化 3 4 import tensorflow as tf 5 f…
-
neuFlow&CNP-卷积计算加速器&神经网络加速芯片生态系统
上周看到韩松毕业论文，扯出神经网络加速器EIE，刚好这周调研了一下neuFlow，扯出09年的一篇做卷积加速的文章，大牛Lecun Yan的学生做的，一晃眼，快十年了。也记录之。 这一套还没研究透，又被换了方向，只好抽出一个晚饭时间，把看懂的记下来，不懂的暂时不研究了，如果以后再被拎回来搞这个方向再看吧。 1. neuFlow的整体思想： CNP是09年的一…
