%%=========================================================================
% 函数名称：cnnsetup
% 输入参数：net，待设置的卷积神经网络；x，训练样本；y，训练样本对应标签；
% 输出参数：net，初始化完成的卷积神经网络
% 主要功能：对CNN的结构进行初始化
% 算法流程：1)
% 注意事项：1)isOc
转载
2024-05-29 06:43:51
182阅读
说明：本博文假设你已经做好了自己的数据集，该数据集格式和VOC2007相同。下面是训练前的一些修改。 （做数据集的过程可以看） Faster-RCNN源码下载地址： Matlab版本：https://github.com/ShaoqingRen/faster_rcnn Python版本:https://github.com/rbgirshick/py-faster-rcnn 本文用到的是Mat
转载
2024-10-11 12:37:18
26阅读
Matlab实用技巧实用技巧计算欧几里得举例：vecnorm、pdist重复数组：repmat随机选取整数：randperm，randi归一化处理：mapminmax判断数组中是否出现某个元素：ismember分贝与功率的转化：db2pow，pow2db，db范数的泰勒级数展开：taylor获取矩阵无重复行：unique对两个数组应用按元素运算 bsxfun计算数组元素个数 numel【不推荐，
转载
2024-03-27 13:08:40
377阅读
文章目录一、坐标系1. 一维坐标系1.1 数轴2. 二维坐标系2.1 平面直角坐标系(笛卡尔直角坐标系)2.1.1 点的直角坐标2.1.1.1 象限2.2 极坐标系2.2.1 点的极坐标2.2.2 极坐标与直角坐标之间的关系3. 三维坐标系3.1 空间直角坐标系3.1.1 点的空间直角坐标3.1.2 坐标面3.1.3 卦限3.1.3.1 卦限中坐标的符号3.2 柱面坐标系3.2.1 柱面坐标与空
MATLAB一维、二维、三维 标量函数绘图1. 一维标量绘图plot2. 二维、三维标量绘图2.1. mesh函数标量绘图2.2. surf函数标量绘图2.3. contour（x,y,z）与contour3(x,y,z)函数绘制等高线2.4. pcolor(x,y,c)绘制伪彩图2.5. slice(x,y,z,v,xi,yi.zi)绘制切片图2.6. NaN进行裁剪 绘图可以将抽象的公式转
转载
2024-10-08 09:58:36
44阅读
问题提出画你自己的手的形状，在MATLAB中输入figure('position',get(0,'screensize'))axes('position',[0 0 1 1])[x,y]=ginput;实验内容及要求先将手掌置于一张白纸上面，然后用笔画出手的轮廓线，之后现在轮廓线上用×号先标出要取得的点，然后将纸贴在计算机屏幕上，运行程序之后透过纸能隐约看到屏幕上的鼠标，鼠标点击需要采集的点就可以
转载
2024-06-21 08:17:09
52阅读
最近在看DQN的时候发现resnet模型又有点不太理解，于是把从CNN到Resnet的资料看了一遍，以防忘记，整个备忘录。 卷积神经网络(CNN)，是深度学习中常见的一种网络结构，相比于传统的神经网络大量的神经节点带来的内存消耗过大和参数爆炸，CNN的出现很好解决了这一问题。一.CNN基本概念 &nbs
转载
2024-03-29 10:24:46
99阅读
想自己动手写一个CNN很久了，论文和代码之间的差距有一个银河系那么大。在实现两层的CNN之前，首先实现了UFLDL中与CNN有关的作业。然后参考它的代码搭建了一个一层的CNN。最后实现了一个两层的CNN，码代码花了一天，调试花了5天，我也是醉了。这里记录一下通过代码对CNN加深的理解。首先，dataset是MNIST。这里层的概念是指convolution+pooling，有些地方会把convol
转载
2024-05-07 15:24:59
60阅读
1.前言最近需要用到卷积神经网络(CNN)，在还没完全掌握cuda+caffe+TensorFlow+python这一套传统的深度学习的流程的时候，想到了matlab，自己查了一下documentation,还真的有深度学习的相关函数。所以给自己提个醒，在需要用到某个成熟的技术时先查一下matlab的帮助文档，这样会减少很多时间成本。记得机器学习的大牛Andrew NG.说过在硅谷好多人都是先用m
转载
2024-08-08 11:46:29
171阅读
前期工作：下载安装matlab和下载MatConvNet以及下载GPU相关文件和配置GPU。 具体请参见我之前的文章： 1. 深度学习 2. MatConvNet（CNN）的配置和相关实验结果,CNN学习使用 ： 2. 深度学习 3. MatConvNet (CNN)的介绍和下载以及CPU和GPU的安装配置，Matlab2016 ： 准备工作： 1. 打
转载
2024-04-03 12:55:21
148阅读
一维插值是指对一维函数进行插值。已知n+1个结点(x,y,)，其中x,互不相同(j=0，1，2，... n),求任意插值点x*处的插值y*。求解一维插值问题的主要思想是:设结点由未知的函数g(x)产生，函数g(x)为连续函数且g(x)=y;(j=0,1,...,n);接着构造相对简单的且容易实现的函数f(x)来逼近函数g(x),使f(x)可以经过n+1个结点，即f(x)=y;(j=0,1,2,,n
MATLAB类 你在MATLAB软件工作时经常会有很多不同的数据类型或类。你可以建立浮点数和整数矩阵和数组，字符和字符串，及逻辑真假状态。函数句柄可以使你的编码与任何MATLAB函数相连接，不管其当前范围。结构矩阵和单元矩阵提供一种把不同类型数据存储在相同数据内。 在MATLAB中有15种基本类，每一类都是以矩阵或数组形式。这个矩阵或数组最小大小是0乘0，能够发展到任何大小的N
转载
2024-08-07 12:39:54
56阅读
文章目录前言一、CNN手推过程二、代码实现PyTorch二维卷积1.用原始的矩阵运算来实现二维卷积,不考虑batch-size维度和channel维度2.用原始的矩阵运算来实现二维卷积,不考虑batch-size维度和channel维度, flatten版本3.用原始的矩阵运算来实现二维卷积,考虑batch-size维度和channel维度总结 前言本章主要是介绍CNN的手推过程，展示了CNN正
转载
2024-01-10 17:03:13
347阅读
想自己动手写一个CNN很久了，论文和代码之间的差距有一个银河系那么大。在实现两层的CNN之前，首先实现了UFLDL中与CNN有关的作业。然后参考它的代码搭建了一个一层的CNN。最后实现了一个两层的CNN，码代码花了一天，调试花了5天，我也是醉了。这里记录一下通过代码对CNN加深的理解。首先，dataset是MNIST。这里层的概念是指convolution+pooling，有些地方会把convol
转载
2024-05-08 21:43:24
127阅读
1.算法描述
卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-
原创
2023-04-05 10:40:23
182阅读
一、准备python环境以Windows平台为例：1.安装python3直接默认安装，并且添加到PATH。安装完毕后在命令行输入python回车查看是否安装成功。2.更换pip源在win+R运行输入%APPDATA%，点击确定，进入C:Users\用户名\AppData\Roaming文件夹，在该文件夹下新建文件夹pip，在pip下新建文本文件，在其中填入如下内容，然后将文件命名为pip，扩展名改
转载
2023-12-31 17:58:27
80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
240阅读
降维工具箱drtool
主页如下，现在的最新版本是2013.3.21更新，版本v0.8.1b
http://homepage.tudelft.nl/19j49/Matlab_Toolbox_for_Dimensionality_Reduction.html
1 前言在上一篇Blog，我介绍了在iOS上运行CNN的一些方法。但是，一般来说，我们需要一个性能强劲的机器来跑CNN，我们只不过需要将得到的结果用于移动端。之前在Matlab使用UFLDL的代码修改后跑了手型识别的3层CNN，这里我们就考虑将Matlab转C之后移植到xcode中。Step 1：Matlab 转c首先要保证代码可以跑，可以运行，比如我这边，如下测试cnn识别手型：>>
转载
2024-08-03 13:26:45
29阅读
相关资源打包下载：
最近研究了几天深度学习的Matlab工具箱代码，发现作者给出的源码中注释实在是少得可怜，为了方便大家阅读，特对代码进行了注释，与大家分享。 在阅读Matlab工具箱代码之前，建议大家阅读几篇CNN方面的两篇经典材料，对卷积神经网络Matlab工具箱代码的理解有很大帮助。 （1）《Notes on Convolut
转载
2024-05-08 12:32:22
47阅读
