Caffe

基于Anaconda安装tensorflow-GPU和caffe-GPU

1、创建虚拟环境我们先创建一个用于caffe和tensorflow共存的虚拟环境,安装完成后激活环境. conda create -n caffe_tf_36 python=3.6 source activate caffe_tf_36 2. 安装caffe-gpu conda install -c anaconda caffe-gpu 3. 降低p…

2023年4月8日
000
卷积、卷积矩阵（Convolution matrix）与核（Kernel）

在图像处理领域，Kernel = convolution matrix = mask，它们一般都为一个较小的矩阵；用于：Sharpen，Blur， Edge enhance，Edge detect，Emboss（使凸出；在……上作浮雕图案；装饰） 1. 卷积操作与卷积矩阵的等价性（1）创建一维信号 N = 100; s = zeros(N, 1); k …

卷积神经网络 2023年4月8日
000
循环神经网络-Dropout

dropout 是 regularization 方法，在rnn中使用方法不同于cnn 对于rnn的部分不进行dropout，也就是说从t-1时候的状态传递到t时刻进行计算时，这个中间不进行memory的dropout；仅在同一个t时刻中，多层cell之间传递信息的时候进行dropout。 if is_training and config.keep_p…

循环神经网络 2023年4月5日
000
Caffe

ubuntu14.04 编译安装CPU版caffe

本文，试图中一个干净的ubuntu14.04机器上安装caffe的cpu版本。 http://blog.csdn.net/sinat_35188997/article/details/73530434 http://caffe.berkeleyvision.org/installation.html http://blog.csdn.net/zly_kemg…

2023年4月7日
000
深度学习—RNN循环神经网络&LSTM解决长依赖问题

神经网络只能单独的处理一个个的输入，前一个输入和后一个输入是完全没有关系的。但是，在我们处理某些任务时，要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。输入和输出都是等长的序列。这里使用RNN循环神经网络来处理这类问题。一、RNN循环神经网络循环神经网络会记忆之前的信息，并利用之前的信息影响后面节点的输出。隐藏层之间的结点是有连接的，输入不仅…

循环神经网络 2023年4月7日
000
keras实现注意力机制（链接）

注意力模型也称资源分配模型，它借鉴了人类的选择注意力机制，其核心思想是对目标数据进行加权变换。截止到目前，尝试过的注意力机制，要么是（1）基于时间步的注意力机制（2）基于维度的注意力机制（大佬魔改）都是用于多维数据处理的在一篇论文中，提到了针对一维向量的注意力机制：Attention本质就是给不同特征给予不同的注意程度，也就是权重分配该文献中，使…

Keras 2023年4月8日
000
卷积神经网络

theano学习指南4（翻译）- 卷积神经网络

动机卷积神经网络是一种特殊的MLP,这个概念是从生物里面演化过来的. 根据Hubel和Wiesel早期在猫的视觉皮层上的工作 [Hubel68], 我们知道在视觉皮层上面存在一种细胞的复杂分布,这些细胞对一些局部输入是很敏感的,它们被成为感知野, 并通过这种特殊的组合方式来覆盖整个视野. 这些过滤器对输入空间是局部敏感的,因此能够更好得发觉自然图像中不同物…

2023年4月8日
000
郑捷《机器学习算法原理与编程实践》学习笔记（第二章中文文本分类（一））

　　2.1 文本挖掘与文本分类的概念　　文本挖掘是指从大量的文本数据中抽取事先未知的、可理解的、最终可用的知识的过程，同时运用这些知识更好的组织信息以便将来参考。搜索和信息检索（IR）：存储和文本文档的检索，包括搜索引擎个关键字搜索文本聚类：使用聚类方法，对词汇、片段、段落或文件进行分组和归类文本分类：对片段、段落或文件进行分组和归类，在使用数据挖掘…

机器学习 2023年4月10日
000

合作推广

返回顶部

版本问题—cuda和tensorflow的版本对应关系

相关文章