概述深度学习中CNN网络是核心，对CNN网络来说卷积层与池化层的计算至关重要，不同的步长、填充方式、卷积核大小、池化层策略等都会对最终输出模型与参数、计算复杂度产生重要影响，本文将从卷积层与池化层计算这些相关参数出发，演示一下不同步长、填充方式、卷积核大小计算结果差异。一：卷积层卷积神经网络(CNN)第一次提出是在1997年，杨乐春（LeNet）大神的一篇关于数字OCR识别的论文，在2012年的I
分类：
其他好文 时间：
2018-04-27 12:14:22
阅读次数：
190
BTRFS（B-tree，ButterFS，BetterFS之称），由Oracle于2007年宣布并进行中的COW(copy-on-write式)文件系统。btrfs出现的原因是它的开发者起初希望扩展文件系统的功能使得它包括快照、池化pooling、校验以及其它一些功能。虽然和ext4无关，它也希望能保留ext4中能使消费者和企业受益的功能，并整合额外的能使每个人，尤其是企业受益的功能。对于使用大
分类：
系统相关 时间：
2018-04-24 23:21:48
阅读次数：
326
前言 这是《一天搞懂深度学习》的第三部分，主要介绍多种多样的神经网络。 一、CNN（Convolutional Neural Network） （1）CNN的概念 CNN，常被称作卷积神经网络，经常被用于图像处理。 CNN最关键的两个步骤是：卷积与池化。以下是它的过程图： CNN之所以能够进行卷积， ...
分类：
其他好文 时间：
2018-04-24 18:58:05
阅读次数：
133
AlexNet的基本结构 Alexnet是由5个卷积层和三个全连接层组成，一共8个权重层(池化层不是权重层因为其没有参数),其中ReLU激活函数作用在每个卷积层和全连接层上，在第一个卷积层和第二个卷积层后面连接一个局部响应规范化层，最大池化层作用在第一个卷积层，第二个卷积层和第五个卷积层的输出上。 ...
分类：
Web程序 时间：
2018-04-20 14:31:56
阅读次数：
338
在官方tutorial的帮助下，我们已经使用了最简单的CNN用于Mnist的问题，而其实在这个过程中，主要的问题在于如何设置CNN网络，这和Caffe等框架的原理是一样的，但是tf的设置似乎更加简洁、方便，这其实完全类似于Caffe的python接口，但是由于框架底层的实现不一样，tf无论是在单机还 ...
分类：
其他好文 时间：
2018-04-15 21:49:43
阅读次数：
209
faiss 个人理解： https://github.com/facebookresearch/faiss 上把代码clone下来，make编译 我们将CNN中经过若干个卷积/激励/池化层后得到的激活映射（向量形式）存储到硬盘上， Faiss是一个高效的相似性搜索和密集向量聚类的库。它包含了搜索任意 ...
分类：
其他好文 时间：
2018-04-09 11:18:15
阅读次数：
407
前面介绍了基本的网络模型以及IO与NIO，那么有了NIO来开发非阻塞服务器，大家就满足了吗？有了技术支持，就回去追求效率，因此就产生了很多NIO的框架对NIO进行封装——这就是大名鼎鼎的Netty。 前几篇的内容，可以参考： 1. "网络IO的基本知识与概念" 2. "普通IO以及BIO服务器" 3 ...
分类：
编程语言 时间：
2018-03-30 23:04:43
阅读次数：
349
本笔记由博客园-圆柱模板 博主整理笔记发布，转载需注明，谢谢合作! keras的层主要包括： 常用层（Core）、卷积层（Convolutional）、池化层（Pooling）、局部连接层、递归层（Recurrent）、嵌入层（ Embedding）、高级激活层、规范层、噪声层、包装层，当然也可以编 ...
分类：
其他好文 时间：
2018-03-28 01:37:23
阅读次数：
2074
今天闲来无事，考虑到以前都没有好好研究过卷积层、池化层等等的前向/反向传播的原理，所以今天就研究了一下，参考了一篇微信好文，讲解如下： 参考链接：https://www.zybuluo.com/hanbingtao/note/485480 https://github.com/hanbt/learn ...
分类：
其他好文 时间：
2018-03-24 14:26:26
阅读次数：
3061
1. 卷积: 1. Description: 和全连接的DNN相比, 卷积的网络参数大大减少, 因此连接权重和神经元个数的比重大大提升, 模型的计算量减少. 2. 依据: 图像中往往有大量区域的构造类似, 因此全连接中有大量的连接的意义相同, 造成计算 ...
分类：
其他好文 时间：
2018-03-21 11:27:25
阅读次数：
1207
