抱歉，大家，这里不是要分享如何学习deep learning，而是想要记录自己学习deep learning的小历程，算是给自己的一点小动力吧，希望各位业内前辈能够多多指教！看到有网友提到，Andrew Ng的网页教程UFLDL Tutorial是入门不错的教程，好吧，试着从这里开始吧，加油！UFL...
分类：
其他好文 时间：
2015-08-06 21:45:44
阅读次数：
155
3、Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.1
http://blog.csdn.net/sunbow0
Spark MLlib Deep Learning工具箱，是根据现有深度学习教程《UFLDL教程》中的算法，在SparkMLlib中的实现。具体Spark MLlib Deep Learning...
分类：
Web程序 时间：
2015-07-22 23:07:44
阅读次数：
705
1 前言在上一篇Blog，我介绍了在iOS上运行CNN的一些方法。但是，一般来说，我们需要一个性能强劲的机器来跑CNN，我们只不过需要将得到的结果用于移动端。之前在Matlab使用UFLDL的代码修改后跑了手型识别的3层CNN，这里我们就考虑将Matlab转C之后移植到xcode中。Step 1：Matlab 转c首先要保证代码可以跑，可以运行，比如我这边，如下测试cnn识别手型：
>> para...
分类：
移动开发 时间：
2015-07-20 13:01:07
阅读次数：
313
1 引言作为曾经的iOS开发者，在研究深度学习的时候，总有一个想法就是在iPhone上运行深度学习，不管是在手机上训练还是利用训练好的数据进行测试。
因为iOS的开发环境支持C++，因此，只要你的代码是C/C++，本质上就可以在iOS上运行。
怎么才能更快更好地在iOS上运行CNN呢？2 方法1：通过Matlab转码Matlab自带转成c的工具，如果你研究过UFLDL的深度学习教程，就知道如何在...
分类：
移动开发 时间：
2015-07-14 22:40:08
阅读次数：
335
stanford推荐阅读目录stanford deep learning 网站上推荐的阅读目录：UFLDL Recommended ReadingsIf you're learning about UFLDL (Unsupervised Feature Learning and Deep Learn...
分类：
其他好文 时间：
2015-07-03 19:04:25
阅读次数：
178
ufldl学习笔记与编程作业：Softmax Regression（softmax回归）ufldl出了新教程。感觉比之前的好，从基础讲起。系统清晰，又有编程实践。在deep learning高质量群里面听一些前辈说，不必深究其它机器学习的算法，能够直接来学dl。于是近期就開始搞这个了。教程加上mat...
分类：
其他好文 时间：
2015-06-26 21:05:26
阅读次数：
147
深度学习笔记1(卷积神经网络)
在看完了UFLDL教程之后，决定趁热打铁，继续深度学习的学习，主要想讲点卷积神经网络，卷积神经网络是深度学习的模型之一，还有其它如AutoEncoding、Deep Belief Network、Restricted Boltzmann Machine和sparse coding等。
在UFLDL教程中提到了针对大型图像的处理...
分类：
其他好文 时间：
2015-06-21 02:07:43
阅读次数：
955
LibLinear（SVM包）使用说明之（三）实践LibLinear（SVM包）使用说明之（三）实践zouxy09@qq.comhttp://blog.csdn.net/zouxy09我们在UFLDL的教程中，Exercise: Convolution and Pooling这一章节，已经得到了cn...
分类：
其他好文 时间：
2015-06-19 18:15:07
阅读次数：
155
想自己动手写一个CNN很久了，论文和代码之间的差距有一个银河系那么大。在实现两层的CNN之前，首先实现了UFLDL中与CNN有关的作业。然后参考它的代码搭建了一个一层的CNN。最后实现了一个两层的CNN，码代码花了一天，调试花了5天，我也是醉了。这里记录一下通过代码对CNN加深的理解。首先，data...
分类：
其他好文 时间：
2015-06-17 23:03:59
阅读次数：
1448
稀疏编码(SparseCoding)
sparse coding也是deep learning中一个重要的分支，同样能够提取出数据集很好的特征(稀疏的)。选择使用具有稀疏性的分量来表示我们的输入数据是有原因的，因为绝大多数的感官数据，比如自然图像，可以被表示成少量基本元素的叠加，在图像中这些基本元素可以是面或者线。
稀疏编码算法的目的就是找到一组基向量
使得我们能将输入向量x表示成这些基向量...
分类：
其他好文 时间：
2015-06-14 10:59:51
阅读次数：
236
