sinat_29552923-CSDN博客

转载机器学习入门文章

转自飞鸟各投林史上最强—-机器学习经典总结—入门必读—-心血总结—–回味无穷让我们从机器学习谈起导读：在本篇文章中，将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。当然，本文也面对一般读者，不会对阅读有相关的前提要求。在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？我并不直

2017-04-23 13:30:22 253

转载 BP算法详解

首先跟大家说声新年快乐啊，刚刚步入16年啊，啊哈哈。额，您继续看。。暂时只包含全连接的BP，至于conv的。。预先说明由于有些人实在太蠢，没办法只能加上这一段。首先，这里面什么看成变量，什么看成常量。变量：网络的权值W（偏置b默认在W内。）以及输入X。常量：就是target 你可能会说呃呃呃，不是输入都是有值得吗，不都是数吗，怎么会是变量啊。。我还能说什么呢？一般来说

2017-07-01 11:16:22 914

转载图像识别的深度残差学习

图像识别的深度残差学习联合编译：陈圳、章敏、Blake 摘要在现有基础下，想要进一步训练更深层次的神经网络是非常困难的。我们提出了一种减轻网络训练负担的残差学习框架，这种网络比以前使用过的网络本质上层次更深。我们明确地将这层作为输入层相关的学习残差函数，而不是学习未知的函数。同时，我们提供了全面实验数据，这些数据证明残差网络更容易优化，并且可以从深度增加中大大提高精度。我们在Image

2017-06-21 15:19:55 21429

转载 Tensorflow一些常用基本概念与函数（四）

摘要：本系列主要对tf的一些常用概念与方法进行描述。本文主要针对tensorflow的模型训练Training与测试Testing等相关函数进行讲解。为‘Tensorflow一些常用基本概念与函数’系列之四。1、序言本文所讲的内容主要为以下列表中相关函数。函数training()通过梯度下降法为最小化损失函数增加了相关的优化操作，在训练过程中，先实例化一个优化函数，比如 tf.train.

2017-06-12 21:32:42 706

转载 Tensorflow一些常用基本概念与函数（三）

摘要：本系列主要对tf的一些常用概念与方法进行描述。本文主要针对tensorflow的数据IO、图的运行等相关函数进行讲解。为‘Tensorflow一些常用基本概念与函数’系列之三。1、序言本文所讲的内容主要为以下相关函数：操作组操作Data IO (Python functions)TFRecordWrite，rtf_record_iterat

2017-06-12 21:31:12 475

转载 Tensorflow一些常用基本概念与函数（二）

1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf #定义‘符号’变量，也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op节点 sess = tf.Sessi

2017-06-12 21:29:15 646

转载 Tensorflow一些常用基本概念与函数（一）

1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf #定义‘符号’变量，也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op节点 sess = tf.Sessi

2017-06-12 21:27:26 370

转载梯度下降优化算法综述

梯度下降优化算法综述参考：http://blog.csdn.net/heyongluoyao8/article/details/52478715 该文翻译自An overview of gradient descent optimization algorithms。总所周知，梯度下降算法是机器学习中使用非常广泛的优化算法，也是众多机器学习算法中最常用的优化方

2017-06-12 19:50:15 460

转载最优化方法：范数和规则化regularization

http://blog.csdn.net/pipisorry/article/details/52108040机器学习中出现的非常频繁的问题有：过拟合与规则化。先简单的来理解下常用的L0、L1、L2和核范数规则化，最后聊下规则化项参数的选择问题。一般来说，监督学习可以看做最小化下面的目标函数）：θ∗=argminθ1N∑i=1NL(yi,f(xi;θ))+λ Φ(θ)

2017-06-12 16:40:07 15044

原创幽默经典语录

1、胖不是罪，只是上帝嫉妒你瘦下去会太完美。　　2、人不能在一棵树上吊死，要在附近几棵树上多吊几次试试。　　3、俺的最低奋斗目标：农妇，山泉，有点田。　　4、你可以像猪一样的生活，但你永远不可能像猪那样快乐。　　5、我曾经跟一个人无数次擦肩而过，衣服都擦破了，也没擦出火花。　　6、工资就像女人的大姨妈，一个月只有一次，没几天就用完了。　　7、难道全世

2017-06-04 09:22:06 2821

转载 Selective Search for Object Recoginition

Selective Search for Object [email protected]://blog.csdn.net/surgewong 在前一段时间在看论文相关的工作，没有时间整理对这篇论文的理解。在前面的一篇博客【1】中有提到Selective Search【2】，其前期工作利用图像分割的方法得到一些原始区

2017-06-03 20:39:51 391

转载目标检测的图像特征提取之（一）HOG特征

目标检测的图像特征提取之（一）HOG特征[email protected]://blog.csdn.net/zouxy09 1、HOG特征：方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结

2017-06-03 20:02:59 338

转载非极大值抑制算法（NMS）

1. 算法原理非极大值抑制算法（Non-maximum suppression, NMS）的本质是搜索局部极大值，抑制非极大值元素。2. 3邻域情况下NMS的实现 3邻域情况下的NMS即判断一维数组I[W]的元素I[i](2 a. 算法流程3-5行判断当前元素是否大于其左邻与右邻元素，如符合条件，该元素即为极大值点。对于极大值点I[i]，已知I[i]>I[i+1]，

2017-06-02 21:54:38 6317 1

转载实时的神经网络:Faster-RCNN技术分析

转载请说明出处 http://blog.csdn.net/luopingfeng/article/details/51245694 谢谢! 自2015以来,人工智能在计算机视觉领域(人脸识别\物体分类\图片描述)已经超越人类的识别正确率和速度,而关于速度的提升,不得不提RGB的开山之作(Faster-RCNN) . 先来个概述:Faster-RCNN通过交叉

2017-06-01 15:50:50 525

转载卷积神经网络技术及发展

本文首发于微信公众号：新智元。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。1 新智元编译　　来源：arXiv.org　　译者：闻菲、胡祥杰　　【新智元导读】深度学习很火，说起深度学习中一个很重要的概念——卷积神经网络（CNN）似乎也人人皆知。不过，CNN究竟是什么，涉及哪些概念，经过如何发展，真正要有逻辑

2017-06-01 12:13:11 4873

转载基于深度学习的目标检测研究进展

原文链接： http://mp.weixin.qq.com/s?__biz=MzI1NTE4NTUwOQ==&mid=502841131&idx=1&sn=bb3e8e6aeee2ee1f4d3f22459062b814#rd前言开始本文内容之前，我们先来看一下上边左侧的这张图，从图中你看到了什么物体？他们在什么位置？这还不简单，图中有一个猫和一个人，具体的位置就是上图右侧图

2017-05-27 21:13:20 1656

转载 DoG (Difference of Gaussian)角点检测

DoG (Difference of Gaussian)是灰度图像增强和角点检测的方法，其做法较简单，证明较复杂，具体讲解如下:Difference of Gaussian(DOG)是高斯函数的差分。我们已经知道可以通过将图像与高斯函数进行卷积得到一幅图像的低通滤波结果，即去噪过程，这里的Gaussian和高斯低通滤波器的高斯一样，是一个函数，即为正态分布函数。那么differen

2017-05-27 15:59:25 528

转载 10个最有用的行为心理学现象

心理导读：平常被认为怪异的行为或许恰恰就是最有用的心理技巧，人的心理十分复杂，具有特性又有共性，每一个行为的背后都隐藏着神奇的心理奥秘。下面我们将介绍10个日常生活中常见而又最有用的行为心理现象，帮助大家更好地了解旁人的行为。——xinli001.com 1、行为心理规律一：罗森塔尔效应美国着名的心理学家罗森塔尔曾做过这样一个试验：他把一群小白鼠随机地分成两组：A组和

2017-05-25 13:32:46 822

原创清华大学心理学系主任彭凯平：千万不要以为孤独了，我就完蛋了 ——“空巢青年”系列讨论之六

“空巢青年”为什么会成一种被关注的社会现象？为什么单身会在中国面临比较大的压力？孤独会对人产生什么影响？社会该为“空巢青年”提供怎样的支持？……针对这些问题，我们专访了清华大学心理学系主任彭凯平。中国青年报：怎么理解“空巢青年”这个概念？彭凯平：“空巢青年”是一个心理学概念，“巢”空不空是一种心理感受。“空”指的是无、没、虚，甚至是一种挫折感。一个人住在屋子里，如果心怀世界、心念他人，那就

2017-05-25 12:43:10 943

转载 Markdown 语法手册（完整整理版）

0. 目录0. 目录1. 斜体和粗体2. 分级标题3. 超链接3.1. 行内式3.2. 参考式3.3. 自动链接4. 锚点5. 列表5.1. 无序列表5.2. 有序列表5.3. 定义型列表5.3. 列表缩进5.4. 包含段落的列表5.5. 包含引用的列表5.6. 包含代码区块的引用5.7

2017-05-23 22:39:28 495

原创金字塔池化过程及其优势

金字塔池化过程及其优势第一次完全自己动手写博文，起初有点不知所措，后来是有种深深的责任感，经过查阅了一些资料，才敢动笔，可能有些地方没有完全领悟到，期望各位同仁予以指正。虽然在池化总结（OverlappingPooling、一般池化、Spatial Pyramid Pooling）一文中简单地介绍过金字塔池化（SPP），这次主要针对SPP实现原理和细节进行说明。本文主要基于Spati

2017-05-23 13:13:29 11741 2

原创全球大数据峰会采访

2016年1月20日，数据猿作为独家全程直播与专访媒体，受邀参加“全球大数据峰会 Global Big Data Conference 简称为 GBDC”本届大会由世界O2O组织、全球大数据联盟GBDC、全球移动游戏联盟GMGC、光合资本主办，中国互联网协会O2O工作组、中国汽车流通协会支持。　　GBDC全球大数据峰会在北京国家会议中心举办，本届大会规模逾3000人。大会从大数据改变政务管理方

2017-05-23 13:06:26 458

原创卷积神经网络原理

Deep Learning（深度学习）学习笔记整理系列[email protected]://blog.csdn.net/zouxy09作者：Zouxyversion 1.0 2013-04-08声明：1）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学

2017-05-23 12:59:34 8236

转载 CNN卷积神经网络代码理解

Deep Learning CNN卷积神经网络代码理解自己平时看了一些论文，但老感觉看完过后就会慢慢的淡忘，某一天重新拾起来的时候又好像没有看过一样。所以想习惯地把一些感觉有用的论文中的知识点总结整理一下，一方面在整理过程中，自己的理解也会更深，另一方面也方便未来自己的勘察。更好的还可以放到博客上面与大家交流。因为基础有限，所以对论文的一些理解可能不太正确，还望大家不吝指正交流，谢谢。

2017-05-23 12:37:43 660

原创 Vim编程环境配置

正所谓“工欲善其事，必先利其器”，要想当一个合格的码农，必须先把自己的开发环境搞好。Linux下的Vim已经用了两年多了，由最开始的愤怒加拍键盘到现在的爱不释手，Vim的强大只有去用时间去丈量。这里就把自己的Vim配置总结一下，同时也参考了网络上面其他同仁的文章。自己做个记录，也希望能帮到大家。环境：Fedora2(老掉牙了，没办法，我们做的东西就跑在这个上面)， Vim7.3。

2017-05-22 22:26:30 858

转载 SIFT特征提取分析

SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果，详细解析如下：算法描述SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮

2017-05-22 14:57:51 756

转载机器学习——Dropout原理介绍

一：引言文章转载自小梦想大愿望　　因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。在训练bp网络时经常遇到的一个问题，过拟合指的是模型在训练数据上损失函数比较小，预测准确率较高（如果通过画图来表示的话，就是拟合曲线比较尖，不平滑，泛化能力不好），但是在测试数据上损失函数比较大，预测准确率较低。　　常用的防治过拟合的方法是在模

2017-05-16 16:26:14 1104

原创池化总结（OverlappingPooling、一般池化、Spatial Pyramid Pooling）

池化方法总结（Pooling）在卷积神经网络中，我们经常会碰到池化操作，而池化层往往在卷积层后面，通过池化来降低卷积层输出的特征向量，同时改善结果（不易出现过拟合）。为什么可以通过降低维度呢？因为图像具有一种“静态性”的属性，这也就意味着在一个图像区域有用的特征极有可能在另一个区域同样适用。因此，为了描述大的图像，一个很自然的想法就是对不同位置的特征进行聚合统计，例如，人们可以计算图像

2017-05-15 17:19:36 9288 1

转载集线器、交换机、路由器、网桥、网关之间的区别

集线器(HUB)　　集线器就是将网线集中到一起的机器，也就是多台主机和设备的连接器。集线器的主要功能以扩大网络的传输距离，是中继器的一种形式，区别在于集线器能够提供多端口服务，也称为多口中继器。集线器在OSI/RM中的物理层。集线器的基本功能是信息分发，它把一个端口接收的所有信号向所有端口分发出去。一些集线器在分发之前将弱信号重新生成，一些集线器整理信号的时序以提供所有端口间的同步数据通信。

2017-05-11 15:00:05 707

转载 ImageNet Classification with Deep Convolutional Neural Networks（译文）

ImageNet Classification with Deep Convolutional Neural NetworksAlex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton摘要我们训练了一个大型的深度卷积神经网络，来将在ImageNet LSVRC-2010大赛中的120万张高清图像分为1000个不同的类别。对测试数据，我们得到了

2017-05-08 20:53:16 580

【编者按】深度卷积神经网络有着广泛的应用场景，本文对深度卷积神经网络Deep CNNs的多GPU模型并行和数据并行框架做了详细的分享，通过多个Worker Group实现了数据并行，同一Worker Group内多个Worker实现模型并行。框架中实现了三阶段并行流水线掩盖I/O、CPU处理时间；设计并实现了模型并行引擎，提升了模型并行计算执行效率；通过Transfer Layer解决了数据存储访

2017-05-06 17:25:29 1264

转载 Python pickle模块学习（超级详细）

pickle提供了一个简单的持久化功能。可以将对象以文件的形式存放在磁盘上。pickle模块只能在Python中使用，python中几乎所有的数据类型（列表，字典，集合，类等）都可以用pickle来序列化，pickle序列化后的数据，可读性差，人一般无法识别。------------------------------------------pickle.dum

2017-04-26 22:51:11 120983 5

转载 TensorFlow中cnn-cifar10样例代码详解

TensorFlow是一个支持分布式的深度学习框架，在Google的推动下，它正在变得越来越普及。我最近学了TensorFlow教程上的一个例子，即采用CNN对cifar10数据集进行分类。在看源代码的时候，看完后有一种似懂非懂的感觉，又考虑到这个样例涵盖了tensorflow的大部分语法知识，包括QueueRunners机制、Tensorboard可视化和多GPU数据并行编程等。“纸上得来终觉浅

2017-04-26 21:17:08 1430 1

原创基于Ubantu系统下tensorflow安装可能出现的问题

安装步骤：1、一般ubantu会自带python2.7,所以只需要安装pip和dev sudo apt-get install python-pip python-dev2、安装tensorflow sudo pip install --upgradehttps://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-c

2017-04-25 22:32:18 426

原创 Tersorflow CIFAR-10 训练示例报错及解决方案

在我运行cifar10示例的过程中，遇到了许多问题，调试了几天才搞定，本文对基于python的深度学习的初学者有些帮助。Tersorflow CIFAR-10 训练示例报错及解决方案1．AttributeError: 'module' object has noattribute 'random_crop'解决方案：将distorted_image= tf.i

2017-04-25 15:17:37 438

知其不可为而为之