原文链接：https://yq.aliyun.com/topic/111 08 反向传播(Back Propagation，简称BP) 算法 在神经网络（甚至深度学习）参数训练中，BP算法占据举足轻重的地位。 实际上BP算法是一个典型的双向算法，但通常强调的是反向传播。 工作流程分两大步： 1. 正 ...
分类：
其他好文 时间：
2019-03-06 01:23:53
阅读次数：
277
一、R-FCN初探 1. R-FCN贡献 提出Position-sensitive score maps来解决目标检测的位置敏感性问题； 区域为基础的，全卷积网络的二阶段目标检测框架； 比Faster-RCNN快2.5-20倍（在K40GPU上面使用ResNet-101网络可以达到 0.17 sec ...
分类：
其他好文 时间：
2019-03-02 11:05:26
阅读次数：
176
一、线程池初探 所谓线程池，就是将多个线程放在一个池子里面（所谓池化技术），然后需要线程的时候不是创建一个线程，而是从线程池里面获取一个可用的线程，然后执行我们的任务。线程池的关键在于它为我们管理了多个线程，我们不需要关心如何创建线程，我们只需要关系我们的核心业务，然后需要线程来执行任务的时候从线程 ...
分类：
编程语言 时间：
2019-02-23 13:33:28
阅读次数：
179
相比于MLP（多层感知器）的神经网络，CNN（卷积神经网络）有卷积层和池化层。 在构建MNIST字符集的识别训练过程中，卷积神经网络采用了： 输入层 卷积层1 池化层1 卷积层2 池化层2 平坦层 隐层层 输出层 输入层输入二维的图像，28X28的一个矩阵。 在卷积层1，将输入层的一个矩阵图像，采用 ...
分类：
其他好文 时间：
2019-02-21 17:28:42
阅读次数：
180
我在训练Goolenet inception-v3时候出现了concat错误，因此写下concat层的一些知识点，以供读者跳坑 concat层在inception-v3网络中存在非常明显，之所以需要concat层是由于在之前的卷积池化层进行了卷积核大小的变化 卷积核大小变化的出发点：1.减小sobe ...
分类：
其他好文 时间：
2019-02-18 12:57:37
阅读次数：
133
1. 下图为一个Inception 模块，即将输入的图像通过多种过滤器或者池化操作后，全部再给拼起来形成新的图像。 2. Inception 网络就是讲将多个Inception模块连起来而已，如下图的红色圈圈就表示Inception模块，但是这个网络也可以有一些小细节，比如绿圈，即可以在中间的多处就 ...
分类：
Web程序 时间：
2019-02-07 17:41:32
阅读次数：
187
准备工作： （1）维度： 卷积维度 粉红色最后的卷积结果矩阵维度=绿色矩阵维数-橙色矩阵维数+1 池化的最终的结论是要把原来的维度减少到1/n padding：周围维一圈0 => 粉=绿+2-3+1=绿 维数可以不减（在卷积核维数是3时） （2）vgg 16结构 附件的vgg16.txt Conv2 ...
分类：
其他好文 时间：
2019-01-13 00:16:41
阅读次数：
188
三、训练识别模型 首先先拷贝一个nets文件夹，主要使用的是文件夹下的两个文件nets_factory.py、alexnet.py，用于导入训练使用的网络alexnet。 nets_factory.py alexnet.py 对源码做出一定的修改，前面的卷积和池化作为共享层保持不变，主要就是修改最后 ...
分类：
其他好文 时间：
2019-01-08 16:40:17
阅读次数：
225
1. tf.train.Saver(） tf.train.Saver()是一个类，提供了变量、模型(也称图Graph)的保存和恢复模型方法。 TensorFlow是通过构造Graph的方式进行深度学习，任何操作(如卷积、池化等)都需要operator，保存和恢复操作也不例外。 在tf.train.S ...
分类：
其他好文 时间：
2019-01-08 15:33:07
阅读次数：
150
最近看到知乎发现在讲解理论知识比有些博客容易理解很多，这里记一篇卷积神经网络理论知识 原地址：https://zhuanlan.zhihu.com/p/50800849 原来CNN是这样提取图像特征的。。。 1.卷积操作 假设有一个5*5的图像，使用一个3*3的卷积核（filter）进行卷积，得到一 ...
分类：
其他好文 时间：
2019-01-04 15:31:41
阅读次数：
266
