原文：http://chuansong.me/n/543805151251 近些年，深度学习在各种计算机视觉任务上都取得了重大的突破，其中一个重要因素就是其强大的非线性表示能力，能够理解图像更深层次的信息。本文对基于深度学习的视觉实例搜索方法做了简单的总结和概括，希望能给读者们带来启发。前言给定一张包含某个物体的查询图片，视觉实例搜索的任务就是从候选的图片...
1、TensorFlow 安装：https://www.cnblogs.com/pam-sh/p/12239387.html https://www.cnblogs.com/pam-sh/p/12241942.html • 是一个开放源代码软件库，用于进行高性能数值计算• 借助其灵活的架构，用户可以轻松地将计算工作部署到多种平台（CPU、G...
欢迎大家关注我们的网站和系列教程：http://www.tensorflownews.com/ ，学习更多的机器学习、深度学习的知识！ 目录： 数据预处理 归一化 标准化 离散化 二值化 哑编码 特征工程 特征提取 特征选择 模型评估方法 留出法 交叉验证法 自助法 模型性能度量 正确率（accuracy）和错误率（error ra...
原文地址：http://www.hackcv.com/index.php/archives/104/?hmsr=toutiao.io&utm_medium=toutiao.io&utm_source=toutiao.io 卷积神经网络的四个基本操作: 1、卷积 2、非线性处理（Relu） 3、赤化或者亚采样 4、分类（全连接层） 一、先说卷...
1 模型训练基本步骤 进入了AI领域，学习了手写字识别等几个demo后，就会发现深度学习模型训练是十分关键和有挑战性的。选定了网络结构后，深度学习训练过程基本大同小异，一般分为如下几个步骤 定义算法公式，也就是神经网络的前向算法。我们一般使用现成的网络，如inceptionV4，mobilenet等。 定义loss，选择优化器，来让loss最小 对数据进...
Reference. Krizhevsky A, Sutskever I, Hinton G E. ImageNet Classification with Deep Convolutional Neural Networks [J]. Advances in Neural Information Processing Systems, 2012, 25(...
batch_size、epoch、iteration是深度学习中常见的几个超参数： （1）batch_size：每批数据量的大小。DL通常用SGD的优化算法进行训练，也就是一次（1 个iteration）一起训练batchsize个样本，计算它们的平均损失函数值，来更新参数。 （2）iteration：1个iteration即迭代一次，也就是用batchs...
一、引子 上一讲，我带你一起看了三维图形在计算机里的渲染过程。这个渲染过程，分成了顶点处理、图元处理、栅格化、片段处理，以及最后的像素操作。这一连串的过程， 也被称之为图形流水线或者渲染管线。 因为要实时计算渲染的像素特别地多，图形加速卡登上了历史的舞台。通过3dFx的Voodoo或者NVidia的TNT这样的图形加速卡，CPU就不需要再去处理一个个像素点...
前言 本文学学习深度学习入门一书的学习笔记，详情请阅读原著 三、池化层 池化是缩小高、长方向上的空间的运算。比如，如图 7-14 所示，进行将 2 × 2 的区域集约成 1 个元素的处理，缩小空间大小。 图 7-14 Max 池化的处理顺序 图 7-14 的例子是按步幅 2 进行 2 × 2 的 Max 池化时的处理顺序。“Max 池化”是获取最大值的运...
目录 人工神经网络VS卷积神经网络 卷积神经网络CNN 卷积层 参数及结构 卷积输出值的计算 步长 外围补充与多Filter 总结输出大小 卷积网络API 新的激活函数-Relurule激活函数API Pooling计算Pooling API Mnist数据集卷积网络实现 人工神经网络VS卷积神经网络 参数太多，在cifar-...