机器学习是理论性很强的一门课程，在工程实践时，常常难以把理论和代码结合起来。想通过一个工程来学习一下机器学习中的卷积神经网络。 tiny_cnn是c++写的实现cnn的代码，想通过代码来了解理论，学习和锻炼一下编程能力。tiny_cnn是c++11编写的，只有头文件，不依赖其他库就能运行MINST。计算卷积以及求导，这样大规模复杂的运算一般都是用GPU，tiny_cnn并没有是用GPU，它只是是
一、VGG模型分辨猫狗 判断一张输入图像是“猫”还是“狗”。该教程使用在 ImageNet 上预训练 的 VGG 网络进行测试。因为原网络的分类结果是1000类，所以这里进行迁移学习，对原网络进行 fine-tune （即固定前面若干层，作为特征提取器，只重新训练最后两层）。 准备工作 import ...
转载
2021-10-23 21:07:00
369阅读
2评论
mask r-cnn 代码解读（一） 文章目录1 代码架构2 model.py 的结构3 train过程代码解析3.1 Resnet Graph3.2 Region Proposal Network (RPN)3.3 Proposal Layer 本系列将对 mask r-cnn 的代码做非常详细的讲解。 默认教程使用者已经对mask r-cnn的结构基本了解，因此不对原论文做解析、最好是读者
转载
2024-04-25 13:14:41
290阅读
文章目录IntroductionWhy CNNThe Whole CNNConvolutionConvolution v.s. Fully ConnetedMax PoolingFlattenCNN in KerasWhat does CNN learn？CNN ApplicationWhy CNN Introduction 图像识别在Deep Learing的input就是将图片转成pixel
转载
2024-04-16 09:46:55
79阅读
1.Description: compute Haar features(templates)void CompressiveTracker::HaarFeature(Rect& _objectBox, int _numFeature)在rect内取_numFeature维特征，（rect的宽高与_objectBox一样，与_objectBox.x _objectBox.y无关
转载
2024-08-13 16:59:50
31阅读
介绍CNN指的是卷积神经网络，这个介绍网上资料多的很，我就不介绍了，我这里主要是针对沐神教程的CNN代码做一个笔记。理解有不对的地方欢迎指出。卷积神经网络里面最重要也是最基本的概念就是卷积层、池化层、全连接层、卷积核、参数共享等。图： 这个图是对下面代码的一个描述，对于一张图片，首先处理成28*28(这里一张图片只有一个通道)。通过第一层卷积层，得到20个通道的输出（每个输出为24*24），所以第
转载
2024-04-08 10:30:34
79阅读
: // .com / adong7639 / p / 9145.
html
写的很好
'''
本文讲解的是在CNN中的batch normalization
'''
import torch
import torch.nn as nn
import copy
class Net(nn.Module):
def __init__(self, dim
转载
2024-03-27 10:01:48
160阅读
上一期，我们一起学习了深度学习中卷积神经网络的通俗原理，深度学习三人行(第8期)----卷积神经网络通俗原理接下来我们一起学习下关于CNN的代码实现，内存计算和池化层等相关知识，我们多多交流，共同进步。本期主要内容如下：CNN实现(TensorFlow)CNN之内存计算CNN之池化层小结公众号内回复关键字，即可下载代码，关键字见文末！一. CNN实现(TensorFlow)在TensorFlow中
转载
2024-08-08 11:08:38
144阅读
文章目录前言一、数据准备二、训练三、结果 前言Imagenet是计算机视觉的经典分类比赛，但是Imagenet数据集本身太大了，我们穷学生没有这么大的算力，2016年google DeepMind团队从Imagnet数据集中抽取的一小部分（大小约3GB）制作了Mini-Imagenet数据集（也就是Imagenet的子集），共有100个类别，每个类别都有600张图片，共60000张图片。这个大小
转载
2024-03-18 15:48:01
225阅读
利用keras 实现cnn模型，关键在于： （1）原始数据的处理。（可输入的格式） （2）卷积层、池化层、全连接层的搭建 （3）各层对输入数据的size变化。1.库的导入 np_utils库中的功能，应该就是对label进行one-hot处理一类的操作。from models import Sequential 是keras搭建模型的一种框架，Sequential是一系列网络层按顺序构成的栈。 将
转载
2024-04-20 20:34:36
211阅读
数据的准备其实是最花功夫和时间的，度过了上一个阶段后，就进入激动的模型训练阶段了，首先简要聊聊我对Mask RCNN算法的理解： MaskRCNN是何凯明大神基于FastRCNN的改进，2018年初在tensorflow上实现了该模型算法。在原有FastRCNN的基础上，将ROIPooling部分调整为ROIAlign，同时增加mask值描述分类。我对整个Mask RCNN的理解如下：
转载
2024-09-22 10:25:09
54阅读
数据的准备其实是最花功夫和时间的，度过了上一个阶段后，就进入激动的模型训练阶段了，首先简要聊聊我对Mask RCNN算法的理解： MaskRCNN是何凯明大神基于FastRCNN的改进，2018年初在tensorflow上实现了该模型算法。在原有FastRCNN的基础上，将ROIPooling部分调整为ROIAlign，同时增加mask值描述分类。我对整个Mask RCNN的理解如下：
卷积神经网络基础神经网络 先借用 CNTK 的一个例子，来看看如何使用神经网络来进行分类。如果想根据一个人的年龄和年收入，对他的政治倾向进行分类（保守派，居中和自由派），怎么做呢？答案是通过已知值，建立并训练一个预测模型。该模型是某种函数，由两个输入产生一个结果，该结果能够解释他属于哪个政治派别。 训练和测试数据。输入值 X1 和 X2 分别代表年龄和收入，三个颜色的点代表政治倾向类型。实心点代
目录(?)[+]
MATLAB实现CNN一般会用到deepLearnToolbox-master。但是根据Git上面的说明，现在已经停止更新了，而且有很多功能也不太能够支持，具体的请大家自习看一看Git中的README。 deepLearnToolbox-master是一个深度学习matlab包，里面含有很多机器学习算法，如卷积神经网络CNN，深度信念网络DBN，自动编码Auto
转载
2024-08-12 11:57:49
39阅读
文章目录0. 前言0.1 读本文前的必备知识1. LSTM架构2. LSTM正向传播代码实现2.1 隐藏层正向传播2.2 输出层正向传播3. LSTM反向传播代码实现3.1 输出层反向传播3.2 隐藏层反向传播4. 实例应用说明5. 运行结果6. 后记7. 完整代码 0. 前言按照国际惯例，首先声明：本文只是我自己学习的理解，虽然参考了他人的宝贵见解，但是内容可能存在不准确的地方。如果发现文中错
转载
2024-08-09 00:08:18
244阅读
基础的理论知识参考：https://www.zybuluo.com/hanbingtao/note/485480下面的代码也是基于上面文章的实现： 整个算法分为三个步骤：前向计算每个神经元的输出值aj
a
j
（j
转载
2024-04-19 22:23:03
91阅读
一，基本思路生成数据(验证码样本)1.验证码类型我们这里生成的验证码是当前最常见的验证码即由26位大小写英文字母和0到9十个数字组成的字符型验证码。2.生成方式我们可以选择两种方式来生成我们的训练数据。一种是一次性生成几万张图(保存到本地)，另一种是定义一个数据生成器(数据未被保存)。两种方式各有千秋，第一种方式的好处是训练的时候显卡利用率高，如果你需要经常调参，可以一次生成，多次使用；第二种方式
转载
2024-05-17 09:57:08
51阅读
卷积神经网络（CNN）CNN解决了什么问题人类的视觉原理卷积神经网络-CNN 的基本原理卷积--局部特征提取池化层（下采样）——数据降维，避免过拟合全连接层——输出结果使用pytorch 实现卷积神经网络--(MNIST实战) 该博客仅用于记录学习过程，避免忘记方便以后复习卷积神经网络最擅长的就是进行图像处理问题，它受到人类视觉神经系统的启发。 CNN具有两大特点： 1、能够有效的将大数据量的图
转载
2023-12-02 23:51:19
104阅读
前言在我们训练神经网络时，通常使用的优化算法就是梯度下降，在这篇文章中，我以卷积神经网络为例，来具体展示一下在Pytorch中如何使用梯度下降算法来进行卷积神经网络的参数优化。1.网络搭建我们先来构建一个简单的卷积网络。import torch
import torch.nn as nn
import torch.optim as optim
class Conv_net(nn.Module):
转载
2023-11-03 09:46:52
150阅读
本教程旨在手把手教大家使用Tensorflow构建卷积神经网络（CNN）进行图像分类。教程并没有使用MNIST数据集，而是使用了真实的图片文件，并且教程代码包含了模型的保存、加载等功能，因此希望在日常项目中使用Tensorflow的朋友可以参考这篇教程。完整代码可在专知成员Hujun的Github中下载。https://github.com/hujunxianligong/Tensorflow-C
转载
2024-05-17 09:57:05
37阅读
