3d可视化卷积神经网络by Chenhua Zhu 朱辰华 (Introducing TensorSpace.js — A Way to 3D Visualize Neural Networks in Browsers)Neural networks were always something high-level, unreachable and mysterious before I took
前言我在写CupCnn的时候，一个困扰我很久的问题，就是如何组织卷积神经网络的数据结构。尤其是卷积层和全连接层之间的衔接问题。卷积层至少需要四维的数据结构（batch+channel+height+width）,而全连接层则只需一个二维的数据即可（batch+数据）。 CupCnn是我用java实现的一个卷积神经网络，它的源码可以从github下载： 点击下载CupCnn卷积神经网络模型 这张图
原创
2018-02-24 10:02:39
107阅读
CupCnn是一个用java写的卷积神经网络。支持L1、L2正则化正则化的理论非常复杂，推导过程也比较繁琐，但是实现确实异常的容易，主要体现在权重的衰减。通俗的讲，就是我们每次在更新权重w的时候，可以的让他比应该的大小减小一点。// TODO Auto-generated method stub
float[] wData = w.getData();
float[] gradData
