Avatar notebook default
深度学习
10篇文章 · 6296字 · 1人关注
  • 卷积&池化

    1.全连接网络每个神经元都与前一层所有神经元相连这是一个计算密集型结构，对于大量的输入和大量的特征这其实计算不友好 2.局部连接每个神经元只与前...

    1194 0 2
  • How to make a Neural Network converg(as fast as possible)

    (1)增大batch size这在gpu/cpu 存储容量有限的情况下可以增大iter_size实现(2)人工检测learning rate p...

    319 0 0
  • Resize,w 360,h 240
    SSD feature map 选择解析

    针对不同的物体大小（Object Scales），传统的方法将图像转化成不同的大小，分别处理然后把结果综合。这里ssd从不同的卷积层利用feat...

    9629 12 4
  • Resize,w 360,h 240
    努力跑通ResNet

    create_data.sh->creata_annoset.py->convert_annoset.cpp 这个classification测...

    727 0 0
  • Resize,w 360,h 240
    还是需要学习一个——Caffe源码

    主要的类：Blob：储存数据和微分Layers:各种各样的层，卷积、池化等等等Net:计算梯度Solver:更新参数有些类特别重要，是caffe...

    598 2 0
  • Caffe solver配置

    solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为 caf...

    1453 0 3 1
  • 梯度下降算法总结

    占坑

    261 0 0
  • Caffe 命令使用说明

    caffe的c++主程序（caffe.cpp)放在根目录下的tools文件夹内, 当然还有一些其它的功能文件，如：convert_imagese...

    1686 0 0
  • Resize,w 360,h 240
    怎样fine－tuning

    为什么要fine－tuning？### 我们有自己的图像识别任务，然而我们的数据集太小，直接进行训练很容易出现过拟合现象所以比较好的解决方案是先...

    2420 0 1

文集作者