码迷,mamicode.com
首页 >  
搜索关键字:深度学习 cnn caffe    ( 5750个结果
64位Win7下安装并配置Python3的深度学习库:Theano
这两天在安装Python的深度学习库:Theano。尝试了好多遍,CMake、MinGW、BLAS、APLACK等等都装了试着自己编译,网上教程也搜了一大堆,但都没成功。昨晚回家清理干净电脑,又小心翼翼地装了一遍,成功,今天来公司又装了一遍,也成功,现把步骤记录如下: (注:本步骤适用于W...
分类:编程语言   时间:2015-05-15 17:34:46    阅读次数:345
cuda install for caffe at centos 总结
cuda install at centos 全过程。2015年5月15日,亲测通过。yum 安装,包括所有依赖。...
分类:其他好文   时间:2015-05-15 06:44:36    阅读次数:188
建QQ群作为大家技术交流的平台
建个QQ群作为大家技术交流的平台 最近有很多读者来问我关于caffe的问题,由于我不搞caffe很久了,所以难以高效回答大家的问题。 因此,建QQ群作为大家技术交流的平台。 caffe,深度学习交流群:419906840 机器学习,数据挖掘,推荐广告搜索交流群:126643980...
分类:其他好文   时间:2015-05-14 20:36:00    阅读次数:168
caffe初学者入门笔记
caffe初学者入门笔记1. 学会将数据转换成caffe所需要的数据格式:使用了leveldb或者lmdb数据库,leveldb中数据按key/value形式存储。leveldb的使用介绍:http://zh.wikipedia.org/wiki/LevelDB将图像以及标注信息,先经过Datum序...
分类:其他好文   时间:2015-05-14 16:22:19    阅读次数:117
caffe源码分析--softmax_layer.cpp
caffe源码分析--softmax_layer.cpp文件位置为caffe-master/src/caffe/layers/softmax_layer.cpp这个是一个以前版本的程序,现在的代码有些不同了,不过可以参考caffe源码分析--softmax_layer.cpp[cpp]view pl...
分类:其他好文   时间:2015-05-14 16:13:18    阅读次数:197
总结一下用caffe跑图片数据的研究流程
总结一下用caffe跑图片数据的研究流程最近在用caffe玩一些数据集,这些数据集是从淘宝爬下来的图片。主要是想研究一下对女性衣服的分类。下面是一些具体的操作流程,这里总结一下。1 爬取数据。写爬虫从淘宝爬取自己需要的数据。2 数据预处理。将图片从jpg,png格式转为leveldb格式。因为caf...
分类:其他好文   时间:2015-05-14 16:04:10    阅读次数:100
denoising autoencoder
神经网络的挑战和关键技术:1.神经网络结构决定(层,神经元,连接) 加入特定领域的知识(CNN 图片处理)2.模型复杂度高 大的数据量; regularization: dropout;denoising3.最优化困难 好的初始化以避免局部最优:pre-training4.计算复杂度高 好的硬件方....
分类:Web程序   时间:2015-05-13 21:11:23    阅读次数:291
深度学习入门教程UFLDL学习实验笔记二:使用向量化对MNIST数据集做稀疏自编码
今天来做UFLDL的第二个实验,向量化。我们都知道,在matlab里面基本上如果使用for循环,程序是会慢的一逼的(可以说基本就运行不下去)所以在这呢,我们需要对程序进行向量化的处理,所谓向量化就是将matlab里面所有的for循环用矩阵运算的方法实现,在这里呢,因为之前的实验我已经是按照向量化的形...
分类:其他好文   时间:2015-05-13 18:35:31    阅读次数:607
深度学习入门教程UFLDL学习实验笔记一:稀疏自编码器
UFLDL即(unsupervised feature learning & deep learning)。这是斯坦福网站上的一篇经典教程。顾名思义,你将在这篇这篇文章中学习到无监督特征学习和深度学习的主要观点。 UFLDL全文出处在这:http://ufldl.stanford.edu/wiki/...
分类:其他好文   时间:2015-05-12 22:46:35    阅读次数:336
深度学习 vs. 概率图模型 vs. 逻辑学
深度学习 vs. 概率图模型 vs. 逻辑学摘要:本文回顾过去50年人工智能(AI)领域形成的三大范式:逻辑学、概率方法和深度学习。文章按时间顺序展开,先回顾逻辑学和概率图方法,然后就人工智能和机器学习的未来走向做些预测。【编者按】在上个月发表博客文章《深度学习 vs. 机器学习 vs. 模式识别》...
分类:其他好文   时间:2015-05-12 22:33:18    阅读次数:333
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!