- 博客(14)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 Pool层及其公式推导
在CNN网络中卷积池之后会跟上一个池化层，池化层的作用是提取局部均值与最大值，根据计算出来的值不一样就分为均值池化层与最大值池化层，一般常见的多为最大值池化层设al−1=σ(zl−1)al−1=σ(zl−1)a^{l-1}=\sigma(z^{l-1})前向传播maxpool前向传播会记录每次pool的核移动stride后所在区域里的最大值,和最大值所在坐标 这里以pool的...
2018-06-14 18:44:47
6500
原创 卷积层
图像处理里的卷积实际上是数学上的互相关,而数学上的卷积是是卷积核旋转180后的互相关数学上的互相关,即深度学习里的卷积: 数学上的卷积 前行传播zl=w∗al−1zl=w∗al−1z^l=w*a^{l-1}⎡⎣⎢⎢a11a21a31a12a22a32a13a23a33⎤⎦⎥⎥∗[w11w21w12w22]=[z11z21z12z22][a11a12a13a21a22a2...
2018-06-13 20:23:01
412
原创 服务器配置darkflow,darknet,GPU版本
1.pip安装sudo apt-get updatesudo apt-get -y install python-pipsudo apt-get install python3-pip将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改。所以需要先修改文件属性。查看属性 $sudo ls -lh /etc/modprobe.d/bl...
2018-06-13 15:50:55
2741
原创 Dropout和正则项
注意以下字母皆代表矩阵前行传播rlj∼Bernouli(p)rjl∼Bernouli(p) r_j^l \sim Bernouli(p) ŷ l=rl⨀al−1,al−1为第l−1层输出y^l=rl⨀al−1,al−1为第l−1层输出 \hat{y}^l=r^l \bigodot a^{l-1}, a^{l-1}为第l-1层输出 al=wlŷ&amp
2018-06-09 10:44:41
694
原创 BatchNormal推导和yolo源码解析
E(Xi).D(Xi)E(Xi).D(Xi)E(X_i).D(X_i):可以理解为XiXiX_i所在分布的期望值样本均值:μA=X¯=1m∑mi=1XiμA=X¯=1m∑i=1mXi\mu_A=\bar X=\frac 1 m \sum_{i=1}^mX_i 因为抽样和样本同分布,所以: 样本期望:μ=E(Xi)=E(μA)=E(x)μ=E(Xi)=E(μA)=E(x)\mu=E(X_i)...
2018-06-01 18:01:30
3662
6
原创 YOLO前向传播图解
1.yolo在构建网络函数,network parse_network_cfg(char *filename){ // 从神经网络结构参数文件中读入所有神经网络层的结构参数，存储到sections中， // sections的每个node包含一层神经网络的所有结构参数 list *sections = read_cfg(filename); // 获取s...
2018-05-21 18:52:29
2706
3
原创 yolo反向传播源码分析
反向传播首先符号定义:$a^l:第l层输出$$z^l:a^l为经激活函数前的值,即:a^l=\sigma(z^l)$$C:误差,如整个网络的输出和标签的差值的平方和:$$ b^l:第l层偏置$$w^l:第l层权重$δl=∂C∂zl−1:第l层的敏感度图δl=∂C∂zl−1:第l层的敏感度图\delta ^{l}=\frac{\partial C}{\partial z^{l-...
2018-05-20 11:07:13
2085
原创 Yolo的卷积运算源码图解之im2col.c
yolo卷积源码解读找了好久,但网上好多的解读,有点误人子弟, 之前还找到一片注释写的比源代码还多几倍的,以为我就这样看懂了? 不存在的 QWQ,后来直接自己看懂了源码,却看不懂了注释 无奈.jpg于是有了下面的自己理解:先放出源码:#include "im2col.h"#include <stdio.h>/*** 从输入的多通道数...
2018-05-12 12:15:09
2612
5
原创 张量形状的理解与相关操作
张量形状的理解与相关操作一.张量的形状的判断这里的A,B,C分布表示维度0,1,2那如何理解shape呢,由左图我们可以看到和A这个方括号同维度的有[1 2],[4 5]两个,所以维度0的长度为2,而和B同维度的有0,2两个,所以维度1的长度为2所以左边张量的shape=[2,2]同理右图的张量,和A方括号同维度的只有[[1 2 3] [4 5 6]],所以...
2018-03-31 15:01:25
3018
1
原创 深度学习概念集锦
DL_本文多数来自网络参考深度学习有着很好的处理线性补不可分的能力1.聚类:是一种典型的将无监督学习,是把物理对象或抽象对象的集合分组为由彼此类似的对象组成的多个类的分析过程 基本思路:都是利用每个向量之间的”距离”–欧几里得距离或曼哈顿距离2.回归线性回归: y=wx+by=wx+b y=wx+b 逻辑回归: y=11+e−z,z=wx+by=11+...
2018-03-23 20:31:20
1101
原创 ValueError: Cannot feed value of shape (1,) for Tensor u'Placeholder:0', which has shape '(1, 1)'
这里x_,y_是两个数字，当我运行时 sess.run(train_op , feed_dict = {x_data:np.array([x_]) , y_data:np.array([y_])}) 遇到了 Traceback (most recent call last): File “linear.py”, line 71, in ...
2017-12-18 19:54:23
44708
15
原创 Tensorflow 读取Txt和Csv格式数据
我的数据： 6.1101,17.592 5.5277,9.1302 8.5186,13.662 7.0032,11.854 5.8598,6.8233 8.3829,11.886 7.4764,4.3483若格式为txt，则先转为Csv格式：# coding=utf-8import csv#要保存后csv格式的文件名file_name_string="file.csv"with
2017-12-17 22:51:10
8224
原创 基于Tensorflow的android手写数字识别
之前刚将Tensorflow入门级模型，MINIST数据在PC端上训练，保存，恢复，以及用自己的图片来进行识别预测，效果都不错的完成了。于是想将这个模型再移植到android上。折腾一番后，终于搞定了。写此分享1.首先获取Pb格式的模型， MINIST的训练具体过程可以看我的这篇文章，如果只是想配置熟悉下这个移植过程，则略过那篇，直接用下面的代码训练 minist.py:#coding=ut
2017-12-09 11:18:56
4123
1
原创 Tensorflow MINIST数据模型的训练，保存，恢复和手写字体识别
Tensorflow MINIST数据模型的训练，保存，恢复和手写字体识别，以及用Saver保存模型和生成pb格式的文件，最后恢复模型，用自己的图片来测试，来进行手写字体识别
2017-12-04 20:10:23
6933
4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人