深度学习

横1. np.concatenate(list, axis=0) 将数据进行串接，这里主要是可以将列表进行x轴获得y轴的串接 参数说明：list表示需要串接的列表，axis=0，表示从上到下进行串接 2.np.hstack(list)  将列表进行横向排列 参数说明：list.append([1, 2]), list.append([3, 4])  np.h…

卷积神经网络：下面要说的这个网络，由下面三层所组成 卷积网络：卷积层 + 激活层relu+ 池化层max_pool组成 神经网络：线性变化 + 激活层relu  神经网络： 线性变化(获得得分值) 代码说明： 代码主要有三部分组成 第一部分： 数据读入 第二部分：模型的构建，用于生成loss和梯度值 第三部分：将数据和模型输入，使用batch_size数据进…

数据增强表示的是，在原始图像的基础上，对数据进行一定的改变，增加了数据样本的数量，但是数据的标签值并不发生改变， 图片中可以看出对猫这张图片进行了灰度值的变化，但是猫的标签并没有发生改变 常见的数据增强的策略： 1. Horizontal flips 翻转， 左右翻转，将左边的像素点放在右边，将右边的像素点放在左边 2.Random crops/scales…

神经网络构架：主要时表示神经网络的组成，即中间隐藏层的结构 对图片进行说明：我们可以看出图中的层数分布：     input layer表示输入层，维度(N_num, input_dim)  N_num表示输入层的样本个数， input_dim表示输入层的维度， 即变量的个数      hidden layer1 表示第一个隐藏层，维度(input_dim,…

感受野：对于第一次卷积，如果卷积核是3*3，那么卷积的感受野就是3*3，如果在此卷积上，再进行一次卷积的话，那么这次的卷积的感受野就是5*5  因为5*5的区域，卷积核为3*3， 卷积后每一个点的感受野是3*3，卷积后的区域为3*3 第二次卷积还用用3*3的卷积的话，第二次卷积的结果就变成了1*1，因此每一个点的感受野是5*5   对应于3次卷积的结果，每一…

许多的研究者和工程师已经创建了Caffe模型，用于不同的任务，使用各种种类的框架和数据。这些模型被学习和应用到许多问题上，从简单的回归到大规模的视觉分类，到Siamese networks for image similarity，到语音和机器人技术应用。 为了帮助分享这些模型，我们介绍model zoo 构架（framework）： 打包Caffe模型信息…

海量数据（又称大数据）已经成为各大互联网企业面临的最大问题，如何处理海量数据，提供更好的解决方案，是目前相当热门的一个话题。类似MapReduce、 Hadoop等架构的普遍推广，大家都在构建自己的大数据处理，大数据分析平台。 相应之下，目前对于海量数据处理人才的需求也在不断增多，此类人才可谓炙手可热！越来越多的开发者把目光转移到海量数据的处理上。但是不是所…

1. 激活函数Rectified Linear Unit(ReLU) – 用于隐层神经元输出Sigmoid – 用于隐层神经元输出Softmax – 用于多分类神经网络输出Linear – 用于回归神经网络输出（或二分类问题） ReLU函数计算如下： Sigmoid函数计算如下： Softmax函数计算如下： Softmax激活函数只用于多于一个输出的神经元…

LSTM网络是有LSTM每个单元所串接而成的， 从下面可以看出RNN与LSTM网络的差异， LSTM主要有控制门单元和输出门单元组成 控制门单元又是由遗忘门单元和记忆门单元的加和组成。 1.控制门单元， 与最后的输出层做相乘操作，决定什么样的信息会被保留 2.遗忘门单元：上一层的控制门单元Ct-1直接与ft进行相乘操作，决定什么样的信息会被遗弃 3.记忆门单…

1. tf.image.resize_and_crop(net, bbox, 256, [14, 14], name)  # 根据bbox的y1,x1,y2,x2获得net中的位置，将其转换为14*14，因此为[14, 14, 512], 256表示转换的个数，最后的维度为[256, 14, 14, 512] 参数说明：net表示输入的卷积层，bbox表示y…