R-CNN 物体检测第二弹（Fast R-CNN） 今天，重看了 R-CNN 的后续改进 Fast R-CNN（Arxiv版）-本文中提到的paper，若未特别指明，...
发简信
IP属地：西藏
-
R-CNN 物体检测第二弹（Fast R-CNN）
-
R-CNN 物体检测第一弹
R-CNN 物体检测第一弹 今天，重读了 R-CNN 的 TPAMI 版本，感觉受益颇多。该版相比之前的会议版，在检测流程和实现细节上表述得更为清晰。此外，因为是改投...
-
该专题是机器学习、推荐系统和自然语言处理、深度学习相关算法学习记录，用通俗的语言去理解算法，去朴实的文字记录每次前行，每个算法力争说清缘由，且尝试实现或者使用开源库进行。机器学习忍者在路上……
-
分享一些有趣的深度学习的项目复现。同时会有对一些主流如caffe、tensorflow的源码解读。 欢迎投稿
-
分享深度学习、机器学习、计算机视觉、模式识别、资源语言处理、推荐系统等领域的一些技术
-
机器学习、深度学习资料整理，实战经验总结：https://github.com/jacksu/machine-learning
-
TensorFlow架构与设计：变量初始化Variable是一个特殊的OP，它拥有状态(Stateful)。本文通过阐述Variable初始化模型，深入理解变量初始化的过程。 线性模型 以一个简单的线性模型为例(为了...
-
TensorFlow从0到1 - 0 - 前言TensorFlow从0到1系列回顾 我是黑猿大叔，转战AI的大叔程序猿，你好。 我以官方文档为主线，开始对TensorFlow的学习。这期间会把我的理解进行持续的输出，作为...
-
TensorFlow从1到2 - 5 - 非专家莫入！TensorFlow实现CNNTensorFlow从0到N专题入口 当看到本篇时，根据TensorFlow官方标准《Deep MNIST for Experts》，你已经达到Expert Level，要恭...
-
TensorFlow从1到2 - 3 - 深度学习革命的开端：卷积神经网络TensorFlow从0到N专题入口 关于全连接神经网络（Full Connected Neural Network，FC）的讨论已经说的不少了，本篇将要介绍的是，从2006...
-
TensorFlow从1到2 - 0 - 前言TensorFlow从0到N专题入口 我是黑猿大叔，转战AI的大叔程序猿，你好。 本篇是《TensorFlow从1到2》的前言，本主题将会涵盖现代卷积网络基础，及其Tenso...
-
TensorFlow从0到1 - 16 - L2正则化对抗“过拟合”TensorFlow从0到1系列回顾 前面的14 交叉熵损失函数——防止学习缓慢和15 重新思考神经网络初始化从学习缓慢问题入手，尝试改进神经网络的学习。本篇讨论过拟合问题，...
-
我以官方文档为主线，开始对TensorFlow的学习。这期间会把我的理解进行持续的输出，作为《TensorFlow从0到N》系列。 它不会止于翻译和笔记，不会停留在语言和工具，而是坚持通过启发性的方式，循序渐进的构建理解，搭建一个坚实可靠的、连接“零基础”与“人工智能（AI）/机器学习（Machine Learning）/深度学习（Deep Learning）”领域之间的缓坡道。
