coding...
cs231n-assignment1-note1 cs231n-assignment1-note1
上学期其实已经把assignment1 和 2做完了,但是那是基于python2,这学期cs231n又更新到2018版,作业也使用了python3.6,我就想着复习一下基础知识,顺便再做一遍这个作业。 下面是作业1之前部分的slid
2018-11-10
assignment1-Q4反向传播公式推导 assignment1-Q4反向传播公式推导
反向传播很简单,但是对于矩阵的反向传播稍微有点复杂。对矩阵求导没有什么特别的地方,如果每一项都展开就很清楚了,下面我就来推导一下对于assignment1 Q4 中的两层神经网络的反向传播。 假设输入矩阵 \(X\) 是 NxD维的,
2018-05-19
生成式模型 生成式模型
Unsupervised Learning:只有数据没有标签,我们的目标是学到一些潜在的数据中的结构,比如聚类,降维PCA,特征学习,密度估计等。 Generative Models: 给定训练数据,学得一个p-model,并用p
2018-05-12
理解和可视化CNN 理解和可视化CNN
本文总结了 cs231n lecture 13的知识点,介绍了一些理解 CNN 的方法。从激活角度来看,有最近邻,降维,最大patches,遮盖。从梯度角度看,有显著图,特征转换,对抗图片。还有一些有趣的实践:DeepDream,风格迁
2018-04-20
神经网络中的反向传播 神经网络中的反向传播
1.前言这篇博客是我在看 Neural Networks and Deep Learning (by Michael Nielsen)时的一些感想,以及对其中出现的公式的具体推导。这本书原文在http://neuralnetwork
2017-12-13
tensorflow review 3(tensorflow中的mnist数据集读取以及一些高级操作) tensorflow review 3(tensorflow中的mnist数据集读取以及一些高级操作)
tensorflow 进阶 tensorflow中的mnist数据集读取以及一些高级操作tensorflow的封装让使用MNIST数据集变得更加方便,它包含了60000张图片作为训练数据,10000张图片作为测试数据,每张图片大小为28x
2017-11-21
tensorflow review 2(用全连接层训练病例data) tensorflow review 2(用全连接层训练病例data)
tensorflow 全连接层 用全连接层训练病例data然后测试其准确性import tensorflow as tf import numpy as np import random info = np.loadtxt(r'D:\深度
2017-11-20
tensorflow review 1(基础) tensorflow review 1(基础)
tensorflow 基础 张量的类型张量在tensorflow中并没有真正的计算只是保存了计算过程。一个张量中主要保存了三个属性,name,shape和type 计算图上一个节点就代表一个计算,计算的结果就保存在张量中。通常张量的命名通
2017-11-19
2 / 2