之前的博文中已经将卷积层、下采样层进行了分析，在这篇博文中我们对最后一个顶层层结构fully_connected_layer类（全连接层）进行分析： 一、卷积神经网路中的全连接层 在卷积神经网络中全连接层位于网络模型的最后部分，负责对网络最终输出的特征进行分类预测，得出分类结果： LeNet-5模型中的全连接层分为全连接和高斯连接，该层的最终输出结果即为预测标签，例如这里我们需要对MNIST...
分类：
编程语言 时间：
2016-03-16 09:44:01
阅读次数：
1074
在上一篇博文中我们顺利将tiny_cnn的程序调试通过，在这篇博文中我们尝试从整体角度给出对tiny_cnn这个深度学习框架的解读，重点论述一下其各个层直接类封装的继承关系。 一、卷积神经网络快速入门 tiny_cnn作为卷积神经网络的一种实现形式，在探讨其框架结构之前，首先需要简要介绍一些卷积神经
分类：
其他好文 时间：
2016-03-11 22:23:42
阅读次数：
140
知乎上看到的 - 收集高质量标注数据 - 输入输出数据做好归一化，以防出现数值问题，方法就是主成分分析啥的。- 参数初始化很重要。太小了，参数根本走不动。一般权重参数0.01均方差，0均值的高斯分布是万能的，不行就试更大的。偏差参数全0即可。- 用SGD ，minibatch size 128。或者
分类：
其他好文 时间：
2016-03-09 10:57:06
阅读次数：
166
1. epoch 在代码中经常见到n_epochs这个参数，该参数到底是什么意思呢？答案如下： 在一个epoch中，所有训练集数据使用一次 one epoch = one forward pass and one backward pass of all the training examples
分类：
其他好文 时间：
2016-03-08 07:06:07
阅读次数：
309
卷积神经网络(CNN)的简单实现(MNIST)...
分类：
其他好文 时间：
2016-03-06 21:02:20
阅读次数：
624
Xinwei: 写的通俗易懂，终于让我这个不搞CV、不搞图像的外行理解卷积和滤波了。 图像卷积与滤波的一些知识点 zouxy09@qq.com http://blog.csdn.net/zouxy09 之前在学习CNN的时候，有对卷积进行一些学习和整理，后来就烂尾了，现在稍微整理下，先放上来，以提醒
分类：
其他好文 时间：
2016-03-02 11:01:43
阅读次数：
158
在学习cnn的过程中，对convolution的概念真的很是模糊，本来在学习图像处理的过程中，已对convolution有所了解，它与correlation是有不同的，因为convolution = correlation + filp over in both horizontal + verti
分类：
其他好文 时间：
2016-02-14 06:49:13
阅读次数：
199
http://stats.stackexchange.com/questions/145768/importance-of-local-response-normalization-in-cnn caffe 解释： The local response normalization layer per
分类：
其他好文 时间：
2016-02-01 13:59:29
阅读次数：
877
1. 导入各种模块基本形式为：import 模块名from 某个文件 import 某个模块2. 导入数据（以两类分类问题为例，即numClass = 2）训练集数据data可以看到，data是一个四维的ndarray训练集的标签3. 将导入的数据转化我keras可以接受的数据格式keras要求的l...
分类：
其他好文 时间：
2016-01-25 06:33:19
阅读次数：
1217
