试图用图像显示出卷积网络所学习的内容，以找到改进网络的方法。其中要可视化某一层需要将去去池化，整流，乘以过滤器矩阵的转置。去池化：在池化时会生成一个对照表，记录最大池化位置，去池化时将最大值放入池化前位置，其余位置放0整流：将去池化的结果输入到整流函数过滤器：整流后乘以过滤器的转置，已重新构成卷积前的特征图4.底层的特征收敛比较快，高层的特征收敛比较慢，特征具有平移，缩放不变性，没有对称不变性4.
分类：
Web程序 时间：
2018-11-09 19:20:12
阅读次数：
231
卷积层和池化层 一、卷积神经网络的权重共享 经典神经网络：全连接，即每个神经元都与每一个数据有对应的参数； 卷积神经网络是权重共享的，就是得到的特征图的每个像素点都是原图的一个区域（如5*5*3，有3个颜色通道）与filter（卷积算子，如5*5*3，有75个权重参数）对位相乘加和的结果，这里特征图 ...
分类：
其他好文 时间：
2018-11-06 01:03:26
阅读次数：
258
1.cornerpooling的设计，个人觉得解释有些牵强。 这里的两个特征图如何解释，corner点为何是横向与纵向响应最强的点。如果仅仅当成一种奇特的池化方式，恰好也有着不错的效果，那倒是可以接受，论文中的解释实在难以接受。 2.heapmap的损失函数，角点周围的像素按照高斯分布处理可以理解， ...
分类：
Web程序 时间：
2018-11-02 14:39:02
阅读次数：
692
卷积神经网络介绍 卷积神经网络是一种多层神经网络，擅长处理图像特别是大图像的相关机器学习问题。 最典型的卷积网络，由卷积层、池化层、全连接层组成。其中卷积层与池化层配合，组成多个卷积组，逐层提取特征，最终通过若干个全连接层完成分类。 卷积层完成的操作，可以认为是受局部感受野概念的启发，而池化层，主要 ...
分类：
其他好文 时间：
2018-11-01 21:02:55
阅读次数：
607
写一个基于tensorflow的cnn，分类fasion-MNIST数据集 这个就是fasion-mnist数据集了 先上代码，在分析: 1.定义Weight， biases， conv层， pool层 在这段代码中， 卷积层的，步幅都是1， 用SAME的padding方式，池化层的步幅是x y轴都 ...
分类：
其他好文 时间：
2018-11-01 00:52:38
阅读次数：
245
alexNet共有八层网络卷积层1：输入224*224*3 卷积核11*11*3*96 步长为4 然后是ReLU、局部归一化、3*3步长为2的最大值池化卷积层2：输入为28*28*96 卷积核5*5*96*256 然后是ReLU、局部归一化、3*3步长为2的最大值池化卷积层3：输入14*14*256 ...
分类：
其他好文 时间：
2018-10-27 11:49:00
阅读次数：
168
Alexa、Siri、小度……各种语音助手令人眼花缭乱，但这些设备多是针对能力健全的用户，忽略了听、说能力存在障碍的人群。本文作者敏锐地发现了这一 bug，并训练亚马逊语音助手 Alex 学会识别美式手语。项目发布之后受到社交媒体的热捧。本博文将介绍项目的底层技术以及如何使用 TensorFlow. ...
分类：
其他好文 时间：
2018-10-22 01:12:29
阅读次数：
196
1.GoogleNet 网络： Inception V1 - Inception V2 - Inception V3 - Inception V4 1. Inception v1 split - merge - 1*1卷积，3*3卷积， 5*5卷积， 3*3池化 输入层：inception 1*1 ...
分类：
编程语言 时间：
2018-10-15 23:22:51
阅读次数：
435
软件概念：计算设备与输入/输出设备的分离2.计算机系统集成概念：手段与目的的分离3.计算机网络概念：带宽、延迟、丢包率4.IT系统组成：I=Information（信息）T=Technology（技术），T是用来加工处理I基本特征、部署模型、服务模式（5+4+3）5.1基本特征1.自助服务2.广泛的网络访问3.资源池化4.快速弹性5.计费服务5.2部署模式私有云2.社区云3.公共云4.混合云5.3
分类：
其他好文 时间：
2018-10-15 20:41:06
阅读次数：
241
（1）卷积：对图像元素的矩阵变换，是提取图像特征的方法，多种卷积核可以提取多种特征。一个卷积核覆盖的原始图像的范围叫做感受野（权值共享）。一次卷积运算提取的特征往往是局部的，难以提取出比较全局的特征，因此需要在一层卷积基础上继续做卷积计算，这也就是多层卷积。 （2）池化：降维的方法，按照卷积计算得出 ...
分类：
其他好文 时间：
2018-10-13 21:44:50
阅读次数：
210
