很多人想入门做深度学习，但往往翻遍网络看完一篇又一篇所谓的“入门教程”，paper，包括很多深度学习框架官方给出的案例，给人的感觉真的是从入门到放弃。写教程的作者有很多都是技术大神，但写出的东西真的是把原本简简单单的理论说得晦涩难懂，模凌两可。比如说VGG16，都是摆上从论文里截过来的下面这张图：或者给出像下面的架构图：对于数据从输入到输出，中间是如何变化的，神经元个数，参数个数又是怎么变...
原创
2021-07-29 12:21:32
920阅读
# 实现VGG16卷积神经网络
## 简介
本文将教你如何实现VGG16卷积神经网络，这是一个非常经典的深度学习模型，被广泛应用于计算机视觉任务中，比如图像分类、目标检测等。
## 整体流程
下面是实现VGG16卷积神经网络的整体流程，我们可以使用一个表格来展示每个步骤：
| 步骤 | 描述 |
| --- | --- |
| 步骤1 | 数据预处理 |
| 步骤2 | 构建模型 |
| 步
原创
2023-09-09 07:08:57
66阅读
DCGAN DCGAN全称为Deep convolutional generative adversarial networks,即将深度学习中的卷积神经网络应用到了对抗神经网络中。 生成器，可以看做图片分类的逆过程，图片生成器输入随机向量，输出一个图片。随机向量不含像素级的位置信息。 而最初卷积网络，引入感受野，捕捉邻近区域的特征，越靠近输入端的信息，包含位置信息越明显，随着层层深入，感受野涵盖
转载
2024-01-06 08:29:15
56阅读
最近在自学图灵教材《Python机器学习基础教程》，以博客的形式做些笔记。一类被称为神经网络的算法最近以“深度学习”的名字再度流行。虽然深度学习在许多机 器学习应用中都有巨大的潜力，但深度学习算法往往经过精确调整，只适用于特定的使 用场景。这里只讨论一些相对简单的方法，即用于分类和回归的多层感知机（multilayer perceptron，MLP），它可以作为研究更复杂的深度学习方法的起点。ML
转载
2023-06-29 13:44:21
211阅读
卷积神经网络（CNN）实现背景卷积神经网络广泛用于图像检测，它的实现原理与传统神经网络基本上是一样的，因此将普遍意义的神经网络和卷积神经网络的实现合成一篇。神经网络实现思路“扔掉神经元”尽管所有教程在介绍神经网络时都会把一大堆神经元画出来，并且以输入节点——神经元——输出结点连线，但是，在编程实现时，基于神经元去编程是低效的。典型如这篇经典文章里面的代码： 。 比较合适的方法是将神经网络每个层仅
转载
2023-10-23 10:31:33
150阅读
1.算法描述GRNN，即General Regression Neural Network，中文全称为广义回归神经网络，是由The Lockheed Palo Alto研究实验室在1991年提出的。GRNN是一种新型的基于非线性回归理论的神经网络模型。GRNN是建立在非参数核回归基础之上的，该神经网络是以测试样本为后验条件，并从观测样本中计算得到自变量和因变量之间的概率密度函数，然后在计算出因变量
转载
2023-07-18 09:12:55
134阅读
# 卷积神经网络VGG16概述
## 整体流程
下面是实现VGG16卷积神经网络的整体流程：
| 步骤 | 描述 |
| --- | --- |
| 1 | 导入所需的库和模块 |
| 2 | 加载数据集 |
| 3 | 数据预处理 |
| 4 | 构建VGG16模型 |
| 5 | 编译模型 |
| 6 | 训练模型 |
| 7 | 评估模型 |
| 8 | 进行预测 |
## 代码实现
原创
2023-07-11 07:43:13
163阅读
VGG:VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION牛津大学 visual geometry group（VGG）Karen Simonyan 和Andrew Zisserman 于14年发表的论文。论文地址：https://arxiv.org/pdf/1409.1556.pdf。与alex的文章虽然都采用层和
转载
2023-11-26 10:20:14
63阅读
# 卷积神经网络CNN VGG16/VGG19网络结构分析
## 简介
在计算机视觉领域，卷积神经网络（Convolutional Neural Network，CNN）是一种经典的深度学习模型。VGG16和VGG19是由牛津大学的研究团队开发的两个非常流行的CNN模型。本文将介绍如何实现VGG16/VGG19网络结构的分析。
## 整体流程
为了实现VGG16/VGG19网络结构的分析，我
原创
2023-08-30 10:21:01
522阅读
孪生网络一、 什么是孪生网络(one-shot) 在人脸识别中，存在所谓的one-shot问题。举例来说，就是对公司员工进行人脸识别，每个员工只有一张照片（因为每个类别训练样本少），并且员工会离职、入职（每次变动都要重新训练模型是不现实的）。如果当成分类问题，直接训练模型进行人脸识别在实际应用中是不可行。 为了解决one-shot问题，我们会训练一个模型来输出给定两张图像的相似度，所以模型学习得到
转载
2023-10-13 23:11:17
234阅读
向AI转型的程序员都关注了这个号????????????大数据挖掘DT机器学习 公众号：datayx很多人想入门做深度学习，但往往翻遍网络看完一篇又一篇所谓的“入门教程”，paper，...
原创
2021-10-26 11:43:59
946阅读
# VGG卷积神经网络
## 引言
卷积神经网络（Convolutional Neural Network，CNN）是一种在图像处理和语音识别等领域取得巨大成功的深度学习模型。其中，VGG是一个非常经典的CNN模型，它在2014年的ImageNet图像识别竞赛中获得了第一名。本文将介绍VGG卷积神经网络的原理和代码示例。
## VGG的原理
VGG是由牛津大学的研究团队提出的，其核心思想是将卷
原创
2023-12-21 10:17:04
91阅读
VGG网络结构相对比较简洁，整个网络结构中只用到了
原创
2023-06-14 19:22:33
382阅读
VGG 网络可以分为两部分：第⼀部分主要由卷积层和汇聚层组成，第⼆部分由全连接层组成。论文：Very deep convolutional networks for large-scale image recognition年份：2014年一、VGG块每一个块由以下两个部分组成：（1）3 × 3 卷积核、填充为 1（保持⾼度和宽度）的卷积层，n个（2）2 × 2 池化窗口、步幅为 2（每个块后的分
转载
2023-06-26 22:57:33
483阅读
卷积神经网络实现艺术风格化基于卷
原创
2022-07-25 09:53:59
325阅读
1评论
GoogLeNet 模型总结
1、GoogLeNet 模型简介GoogLeNet 是2014年Christian Szegedy提出的一种全新的深度学习结构，该模型获得了ImageNet挑战赛的冠军。2、GoogLeNet 模型的提出1）在这之前的AlexNet、VGG等结构都是通过增大网络的深度（层数）来获得更好的训练效果，但层数的
转载
2023-12-15 16:02:59
60阅读
第3.1章 卷积神经网络CNN-不同层的作用一、Convolution(CONV)二、Pooling(POOL)三、Fully Connected(FC)四、Activation Function五、Batch Normalization(BN) 【详见】卷积网络中三种类型的层一、Convolution(CONV)作用： 通过卷积层中卷积核运算，提取卷积核希望提取的特征。二、Pooling(PO
转载
2023-12-07 22:31:47
69阅读
VGG16内置于Keras，可以通过keras.applications模块中导入。 将VGG16 卷积实例化： weights：指定模型初始化的权重检查点、 include_top: 指定模型最后是否包含密集连接分类器。默认情况下，这个密集连接分类器对应于ImageNet的100个类别。如果打算使
转载
2018-11-14 20:49:00
602阅读
目标检测领域使用VGG16做基础网络的网络结构很多，同样效果也很好
原创
2022-04-22 13:43:27
462阅读
本文概述了 VGG的框架和代码，全文大约 2000 字，阅读时间 8 分钟。内容分为三个部分：VGG的结构；VGG的网络细节；VGG的代码实现。VGG 的结构牛津大学的视觉几何组（Visual Geometry Group）设计了 VGGNet(也称为 VGG)，一种经典的卷积神经网络 (CNN) 架构。在 2014 年 ILSVRC 分类任务中，VGG 取得了第二名的成绩。现在过去多年，VGG
转载
2023-08-09 06:24:59
77阅读
