机器学习笔记(基本为转载文章)

公开人脸数据集

http://blog.csdn.net/haoji007/article/details/52775598

http://blog.csdn.net/hemmingway/article/details/53889236

深度学习元老Yann Lecun详解卷积神经网络

https://www.leiphone.com/news/201608/zaB48AcZ1AFm1TaP.html

可视化理解卷积神经网络(其他文章)

http://blog.csdn.net/hjimce/article/details/50544370

反卷积可视化以各层得到的特征图作为输入,进行反卷积,得到反卷积结果,用以验证显示各层提取到的特征图。举个例子:假如你想要查看Alexnet 的conv5提取到了什么东西,我们就用conv5的特征图后面接一个反卷积网络,然后通过:反池化、反激活、反卷积,这样的一个过程,把本来一张13*13大小的特征图(conv5大小为13*13),放大回去,最后得到一张与原始输入图片一样大小的图片(227*227)。

机器视角:长文揭秘图像处理和卷积神经网络架构

http://36kr.com/p/5082645.html

详细解释CNN卷积神经网络各层的参数和链接个数的计算

http://blog.csdn.net/dcxhun3/article/details/46878999

卷积:如何成为一个很厉害的神经网络

https://zhuanlan.zhihu.com/p/25754846

标签传播算法(Label Propagation)及Python实现

http://blog.csdn.net/zouxy09/article/details/49105265

Deep learning Reading List

https://www.zhihu.com/question/31785984

http://jmozah.github.io/links/

IOS平台TensorFlow实践:实际应用教程(附源码)(二)

https://yq.aliyun.com/articles/73727

IOS平台TensorFlow实践:逻辑斯蒂回归(附源码)(一)

https://yq.aliyun.com/articles/73722?spm=5176.100240.searchblog.23.7wjSAS

CS224d: Deep Learning for Natural Language Processing

http://cs224d.stanford.edu/

python中用于音频处理的库

https://wiki.python.org/moin/PythonInMusic

基于树莓派和 Tensowflow 的物体识别

http://www.tuicool.com/articles/Ufi6nyb

TensorFlow 深度学习笔记 从线性分类器到深度神经网络

http://www.cnblogs.com/hellocwh/p/5515421.html

理论博客

http://blog.csdn.net/zouxy09/article/category/1333962

使用VGG训练Imagenet

http://blog.csdn.net/kesonyk/article/details/53819132

一文弄懂神经网络中的反向传播法——BackPropagation

http://www.cnblogs.com/charlotte77/p/5629865.html

scikit-learn学习之神经网络算法

http://blog.csdn.net/gamer_gyt/article/details/51255448

浅谈神经网络算法

http://www.cnblogs.com/buptzym/p/5437973.html

反向传播(Backpropagation)算法的数学原理

https://my.oschina.net/findbill/blog/529001

在树莓派上用TensorFlow玩深度学**(Deep Learning)

https://sanwen8.cn/p/68b4SNq.html


ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程

http://blog.csdn.net/zhaoyu106/article/details/52793183


是AI就躲个飞机-纯Python实现人工智能

http://blog.csdn.net/u014365862/article/details/54380422

TensorFlow练习17: “声音大挪移”

http://blog.topspeedsnail.com/archives/10812

七步精通Python机器学习

http://www.17bigdata.com/%E4%B8%83%E6%AD%A5%E7%B2%BE%E9%80%9Apython%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0.html

机器学习常见算法分类汇总

http://www.17bigdata.com/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%B8%B8%E8%A7%81%E7%AE%97%E6%B3%95%E5%88%86%E7%B1%BB%E6%B1%87%E6%80%BB-2.html

斯坦福大学机器学习笔记--第一周(1.监督学习与无监督学习的介绍)

http://blog.csdn.net/m399498400/article/details/52225513

使用sklearn进行数据挖掘

http://www.cnblogs.com/jasonfreak/p/5448462.html

机器学习各种算法怎么调参?

https://www.zhihu.com/question/34470160?sort=createdwe

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,445评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,889评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,047评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,760评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,745评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,638评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,011评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,669评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,923评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,655评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,740评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,406评论 4 320
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,995评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,961评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,023评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,483评论 2 342

推荐阅读更多精彩内容