Eclipse Deeplearning4j GitChat课程：https://gitbook.cn/gitchat/column/5bfb6741ae0e5f436e35cd9f Eclipse Deeplearning4j 在之前的文章中我们介绍了Deeplearning4j/ND4j中的自动微分工具SameDiff的基本使用和可视化方法，这篇文章我们介绍下如何使用SameDiff建模CNN
第二讲 图像分类概述目标检测等方向本质是图像分类一个通道由三个RGB矩阵构成，其中的像素点是[0,255],像素点值是0-2^8其中目标的图像可能只占一部分，但是也要可以识别： 图像分类是一个黑盒，不能像计算公式那样明显的推导，不能人工构建特征，需要用大量图片灌输，形成特征如果手动构建，人类无法详细的描述特征，也不能高效的构建所以就要用到机器学习的数据驱动方法： &
机器学习实战教程(13篇)_M_Q_T的博客这些网址非常适合想学习机器学习，却苦于没有项目（尤其缺少数据）的人。无意中看到，给自己做一个记录。 目录大类：学习方式监督式学习：非监督式学习：半监督式学习：强化学习：算法类似性 回归算法：基于实例的算法正则化方法决策树学习贝叶斯方法基于核的算法聚类算法关联规则学习人工神经网络深度学习降低维度算法集成算法：决策树一、 决策树优点二、决策树
转载
2024-05-20 07:47:33
87阅读
本文主要通过CNN进行花卉的分类，训练结束保存模型，最后通过调用模型，输入花卉的图片通过模型来进行类别的预测。 测试平台：win 10+tensorflow 1.2 数据集中总共有五种花，分别放在五个文件夹下。&n
转载
2024-04-03 15:56:34
91阅读
先放下成果图： 有很多类似的工具，但是我想把全连接层放在网络的前边部分，draw_convnet就不那么好用了。于是就自己动手实现一个。#元素类型是（上方文字描述，通道数，feature map width，feature map height)如果w和h均是1代表是全连接层。作者qq@603997262
CNN_list=[
("input",1,28,28),
("h
转载
2024-10-11 12:42:50
159阅读
演化，持续演进并且不断获得反馈允许团队尽早从项目干系人获得反馈，并且向他们持续演示增量的价值。简介 理解所有干系人的需求，关注所有项目的风险，理解所有项目的技术，甚至是了解如何和同事协同工作，完全做到这些通常不大可能。即使是完全熟知上述内容，这些内容也很可能在项目开发过程中发生变更。所以，我们需要提升团队增量演示价值并且尽早从干系人获得持续反馈的
IDE：pycharm Python: Python3.6 OS: win10代码已存档于github中DL-tenserflow/The_migration_study_Inception-v3/ 希望您 star一下，在此 感谢迁移学习1.所谓迁移学习，就是将一个问题上训练好的模型通过简单的调整使其适用于一个新的问题。 2.说白了就是别人已经训练好的强大的模型，你不需要去浪费时间训练，直接拿过
多分类问题 在一个多分类问题中，因变量y有k个取值，即。例如在邮件分类问题中，我们要把邮件分为垃圾邮件、个人邮件、工作邮件3类，目标值y是一个有3个取值的离散值。这是一个多分类问题，二分类模型在这里不太
转载
2021-11-30 10:57:13
1044阅读
多分类问题 在一个多分类问题中，因变量y有k个取值，即。例如在邮件分类问题中，我们要把邮件分为垃圾邮件、个人邮件、工作邮件3类，目标值y是一个有3个取值的离散值。这是一个多分类问题，二分类模型在这里不太适用。 多分类问题符合多项分布。有许多算法可用于解决多分类问题，像决策树、朴素贝
转载
2022-11-29 20:26:13
496阅读
条件熵 使$P(y|x)$熵最大，这么求？ $H^{(A)}=-\sum_{i=1}^nP(y_i^{(1)}|x)\log P(y_i^{(1)}|x)$ $H^{(B)}=-\sum_{i=1}^nP(y_i^{(2)}|x)\log P(y_i^{(2)}|x)$ 条件熵:=$H(Y|X)=- ...
转载
2021-10-22 14:02:00
113阅读
2评论
softnms和softer nms是nms的两个改进算法传统nms存在的问题传统的NMS方法是基于分类分数的，只有最高分数的预测框能留下来，但是大多数情况下IoU和分类分数不是强相关，很多分类标签置信度高的框都位置都不是很准还会有别的物体的框因为和当前物体的框重合部分过多被删掉的情况Soft-NMS发现了这些问题，让我们想想如何避免：首先说第一个问题：物体重叠是由于输出多个框中存在某些其实是另一
1.2 Softmax 回归（Softmax regression） 有一种 logistic回归的一般形式，叫做 Softmax 回归，能让你在试图识别某一分类时做出预测，或者说是多种分类中的一个.假设你不单需要识别猫，而是想识别猫，狗和小鸡，我把猫加做类 1，狗为类 2，小鸡是类 3，如果不属于 ...
转载
2021-07-27 20:19:00
162阅读
2评论
softmax的主要工作就是将预测出来的结果，用概率来表示，并将总的概率相加为1 通过全连接层输出的预测结果有正有负，那为什么有负数呢？ 是因为参数或者激活函数的问题 将预测结果转换为概率主要分为两步： 1、将所有的负数变为正数，并不能改变与原正数的相对大小 $y = e^x$指数函数恰好能满足这个 ...
转载
2021-09-24 18:54:00
533阅读
2评论
最近在做分布式模型实现时,使用到了这个函数. 可以说非常体验非常的好. 速度非常快
原创
2022-02-23 16:21:08
948阅读
Triton 学习
原创
2024-10-24 19:47:26
53阅读
1简介softmax逻辑回归模型是logistic回归模型在多分类问题上的推广。在多分类问题中，类标签y可以取两个以上的值。Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的，该问题的目的是辨识10个不同的单个数字。2softmax回归过程2.1线性处理描述：大小是，大小是。其中n是输入个数，m是分类个数。这里的是经过onehot编码后的分类标签。2.2softmax函数这是最原
原创
2021-03-25 12:09:41
303阅读
Softmax回归Reference：http://ufldl.stanford.edu/wiki/index.php/Softmax_regressionhttp://deeplearning.net/tutorial/logreg.html起源：Logistic的二类分类Softmax回归是Lo...
转载
2015-06-19 19:22:00
163阅读
2评论
softmax杂谈 在多分类问题中，我们可以使用 softmax 函数，对输出的值归一化为概率值。下面举个例子： import sys sys.path.append("E:/zlab/") from plotnet import plot_net, DynamicShow num_node_lis
转载
2020-03-26 23:52:00
183阅读
2评论
在数学，尤其是概率论和相关领域中，Softmax函数，或称归一化指数函数，是逻辑函数的一种推广。它能将一个含任意实数的K维向量 “压缩”到另一个K维实向量 中，使得每一个元素的范围都在 之间，并且所有元素的和为1。 该函数的形式通常按下面的式子给出：
转载
2018-10-08 15:05:00
675阅读
2评论
这几天学习了一下softmax激活函数，以及它的梯度求导过程，整理一下便于分享和交流！一、softmax函数softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是更形象的如下图表示： softmax直白来说就是将原来输出是3,1,-3通过softmax
转载
2021-04-18 21:09:00
1203阅读
2评论
