@[toc] 0. 论文链接 1. 概述 AlexNet算是第一个把CNN应用到计算机视觉领域并且十分成功。从这开始之后，开启了深度学习的浪潮，计算机视觉的主要方向也是利用深度学习来解决一系列问题，本文提出了一种5个卷积层（某些层跟着池化层），3个全连接层最后跟着1000 w ...
分类：
Web程序 时间：
2018-10-13 02:30:27
阅读次数：
292
服务器虚拟化软件的结构组成和各组件的主要功能与作用服务器虚拟化软件主要由三部分组成：1、WinServer虚拟化引擎，要实现虚拟化，得先把原的的服务器如CPU的计算能力，硬盘的存储能力进行资源整合，将原有的计算、存储、网络为构建为资源池，实现原有的服务器资源--资源池化；资源池化后，就可以进行按需分配，实现虚拟构建出多台虚拟机，各台虚拟机根据分配的资源进行运转。2、WCE虚拟化中间件，有时，需要兼
分类：
其他好文 时间：
2018-10-12 19:24:00
阅读次数：
129
程序的运行，其本质上，是对系统资源（CPU、内存、磁盘、网络等等）的使用。如何高效的使用这些资源是我们编程优化演进的一个方向。今天说的线程池就是一种对CPU利用的优化手段。 网上有不少介绍如何使用线程池的文章，那我想说点什么呢？我希望通过学习线程池原理，明白所有池化技术的基本设计思路。遇到其他相似问 ...
分类：
编程语言 时间：
2018-10-11 15:45:26
阅读次数：
143
线程池原理 谈到线程池就会想到池化技术，其中最核心的思想就是把宝贵的资源放到一个池子中；每次使用都从里面获取，用完之后又放回池子供其他人使用，有点吃大锅饭的意思。 那在 Java 中又是如何实现的呢？ 在 JDK 1.5 之后推出了相关的 api，常见的创建线程池方式有以下几种： Executors ...
分类：
编程语言 时间：
2018-10-09 15:04:33
阅读次数：
199
前面两篇随笔实现的单层神经网络 和多层神经网络， 在MNIST测试集上的正确率分别约为90%和96%。在换用多层神经网络后，正确率已有很大的提升。这次将采用卷积神经网络继续进行测试。 1、模型基本结构 如下图所示，本次采用的模型共有8层（包含dropout层）。其中卷积层和池化层各有两层。 在整个模 ...
分类：
其他好文 时间：
2018-10-03 20:28:42
阅读次数：
206
1.字符串intern机制 用了这么久的python，时刻和字符串打交道，直到遇到下面的情况： 咦，这是怎么肥事？我们知道 '=='是用来比较两个变量的字面值是否一致，而 'is'是用来比较前后两个变量是否根本就是同一对象，也就是指向同一个内存地址。好吧，不信这个邪，试试用id方法看一下各自的地址。 ...
分类：
其他好文 时间：
2018-09-22 10:38:59
阅读次数：
130
1*1的卷积核在NIN、Googlenet中被广泛使用，但其到底有什么作用也是一直困扰的问题，这里总结和归纳下在网上查到的自认为很合理的一些答案，包括1）跨通道的特征整合2）特征通道的升维和降维 3）减少卷积核参数（简化模型） 1 - 引入 在我学习吴恩达老师Deeplearning.ai深度学习课 ...
分类：
其他好文 时间：
2018-09-18 00:28:07
阅读次数：
193
一、卷积神经网络的基本概念 卷积神经网络与普通神经网络的区别在于，卷积神经网络包含了一个由卷积层和子采样层（池化层）构成的特征抽取器。在卷积神经网络的卷积层中，一个神经元只与部分邻层神经元连接。在CNN的一个卷积层中，通常包含若干个特征图(featureMap)，每个特征图由一些矩形排列的的神经元组 ...
分类：
其他好文 时间：
2018-09-16 15:33:34
阅读次数：
630
LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用softmax分类作为输出层。关于CNN参见：https://blog.csdn.net/qq_42570457/article/details/81458077 LeNet ...
分类：
Web程序 时间：
2018-09-16 15:32:59
阅读次数：
337
在训练集上，神经网络越深，效果会越好吗？理论上是的，但传统神经网络做不到这一点。在神经网络的深度达到一定时，在训练集上，越深的网络效果可能越差，这就是退化问题。而ResNet可以处理这个问题。 ...
分类：
Web程序 时间：
2018-09-15 01:18:30
阅读次数：
458
