自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

转载 fine-tune convolutional network

转载请注明出处,楼燚(yì)航的blog,http://www.cnblogs.com/louyihang-loves-baiyan/目前呢,caffe,theano,torch是当下比较流行的Deep Learning的深度学习框架,楼主最近也在做一些与此相关的事情。在这里,我主要介绍一下如何在Caffe上微调网络,适应我们自己特定的新任务。一般来说我们自己需要做的方向,比如在一些特定的领域

2016-07-07 10:41:18 361

转载 PCA数学原理

文章原文:http://www.360doc.com/content/13/1124/02/9482_331688889.shtml

2016-07-05 11:09:32 227

原创 冒泡排序

#includeusing namespace std;int main(){    int a[8] = {43,18,39,35,17,20,33,34};    int temp,j,high,low,mid;        for(int i=0;i    {        for(j=0;j        {            if(a[j

2016-05-30 22:13:18 206

原创 折半插入排序

#includeusing namespace std;int main(){    int a[8] = {43,18,39,35,17,20,33,34};    int temp,j,high,low,mid;    for(int i=1;i    {        temp = a[i];        low = 0;        high =

2016-05-30 21:56:19 178

原创 插入排序

#includeusing namespace std;int main(){    int a[8] = {43,18,39,35,17,20,33,34};    int temp,j;    for(int i = 1;i     {        temp = a[i];        j = i-1;        while(j>=0&&a[j]

2016-05-30 21:36:27 249

原创 ubuntu 14.04下matcaffe的配置

buntu14.04自带的gcc版本是4.8的,然后matlabR2015b支持的版本是4.7几,然后我的matlab版本是R2013a,支持的gcc版本是4.4X。所以先要把gcc降级先下载4.4版本的gcc、g++:先下载4.4版本的gcc、g++:sudo apt-get install gcc-4.4sudo apt-get install g++-4.4然后操作如下:su

2016-01-15 09:41:33 2532 2

原创 卷积神经网络

最近看了一篇使用卷积神经网络对图像进行超分辨率的文章,貌似是为数不多的将卷积神经网络用于图像超分辨率的文章。    paper题目:Learning a Deep Convolutional Network for Image Super-resolution  这是2014年eccv的文章。    文章提出了一种卷积神经网络模型,该模型学习了一种end-to-end的映射。作者使用了三层

2015-12-21 16:43:12 581

转载 Gaussian discriminant analysis

同朴素贝叶斯一样,高斯判别分析(Gaussian discriminant analysismodel, GDA)也是一种生成学习算法,在该模型中,我们假设y给定的情况下,x服从混合正态分布。通过训练确定参数,新样本通过已建立的模型计算出隶属不同类的概率,选取概率最大为样本所属的类。一、混合正态分布(multivariate normal distribution)混合正态

2015-12-14 09:20:01 446

转载 LDA (linear discriminant analysis

1. 问题     之前我们讨论的PCA、ICA也好,对样本数据来言,可以是没有类别标签y的。回想我们做回归时,如果特征太多,那么会产生不相关特征引入、过度拟合等问题。我们可以使用PCA来降维,但PCA没有将类别标签考虑进去,属于无监督的。     比如回到上次提出的文档中含有“learn”和“study”的问题,使用PCA后,也许可以将这两个特征合并为一个,降了维度。但假设我们的

2015-12-12 16:54:28 551

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除