2 SauryGo

尚未进行身份认证

暂无相关描述

等级
TA的排名 11w+

Anaconda基本操作命令 conda指令

--CondabasicsConda基础命令 condainfo 查看已安装的环境condainstallPACKAGENNAME 安装包condaupdatePACKAGENAME  更新包 --Usingenvironments Conda环境 condacreate--namepy35python=3.5创建python=...

2018-11-16 17:07:13

使用iptux在ubuntu服务器之间和windows计算机之间实现局域网互传文件

1、安装:sudoapt-getinstalliptux 2、启动终端输入iptux后者在图形界面启动 3、使用在windows上安装飞鸽传书,或者在同局域网中其他ubuntu计算机上安装iptux...

2018-11-16 16:40:59

GAN介绍 - 练习题答案

GAN介绍-介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍-为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍-生成式模型是如何工作的?GAN与其他模型有什么区别?https://blog.csdn.net/...

2018-11-13 22:40:29

GAN介绍 - 练习题

GAN介绍-介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍-为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍-生成式模型是如何工作的?GAN与其他模型有什么区别?https://blog.csdn.net/...

2018-11-13 22:39:52

GAN合集:各种生成对抗网络,都在这里了

GAN介绍-介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍-为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍-生成式模型是如何工作的?GAN与其他模型有什么区别?https://blog.csdn.net/...

2018-11-13 17:54:28

GAN介绍 - 即插即用生成网络(PPGN)

GAN介绍-介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍-为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍-生成式模型是如何工作的?GAN与其他模型有什么区别?https://blog.csdn.net/...

2018-11-13 17:46:54

GAN介绍 - 总结

 总结GAN是使用有监督学习来优化一个难以控制的损失函数的生成式模型,很像玻尔兹曼机(Boltzmannmachine)使用马尔可夫链(Markovchain)来优化他们的损失函数,以及VAE使用变分低边界(variationallowerbound)来优化他们的损失函数。GAN可以使用此有监督的比值估计技术,来近似很多的损失函数,包括最大似然估计使用的KL散度。GAN...

2018-11-13 05:27:15

GAN介绍 - 相关研究课题

GAN介绍-介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍-为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍-生成式模型是如何工作的?GAN与其他模型有什么区别?https://blog.csdn.net/...

2018-11-13 05:22:43

GAN介绍 - 提示与技巧

GAN介绍-介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍-为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍-生成式模型是如何工作的?GAN与其他模型有什么区别?https://blog.csdn.net/...

2018-11-12 00:08:00

GAN介绍 - GAN是如何工作的?

GAN介绍-介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍-为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍-生成式模型是如何工作的?GAN与其他模型有什么区别?https://blog.csdn.net/...

2018-11-11 11:46:11

GAN介绍 - 生成式模型是如何工作的? GAN与其他模型有什么区别?

GAN介绍-介绍https://blog.csdn.net/sean2100/article/details/83662975GAN介绍-为什么学习生成式模型?https://blog.csdn.net/sean2100/article/details/83681043GAN介绍-生成式模型是如何工作的?GAN与其他模型有什么区别?https://blog.csdn.net/...

2018-11-10 03:28:09

卷积层之间是否应该使用dropout?

原因:请看我的博客 https://blog.csdn.net/sean2100/article/details/83783632 结论:应该仅在全连接层上使用Dropout操作,并在卷积层之间使用批量标准化。 ...

2018-11-08 00:32:01

经典翻译|Network In Network 深度学习中的GAP和NIN

摘要我们提出了一种新型的深度网络结构,称为“NetworkInNetwork”(NIN),它可以增强模型在感受野(receptivefield)内对局部区域(localpatches)的辨别能力。传统的卷积层使用线性滤波器来扫描输入,后面接一个非线性激活函数。而我们则构建了一些结构稍复杂的微型神经网络来抽象receptivefield内的数据。我们用多层感知器实例化微型神经网络,这是...

2018-11-08 00:17:06

VGG16和VGG19网络结构图

VGG16VGG19

2018-11-07 10:31:24

CNN的旋转不变性和pooling

卷积神经网络本身的设计对旋转不变性没有进行专门的考虑,只不过max-pooling可以稍微补偿一下这个功能,只是角度变化太大,可能会作用不大,但因为max-pooling并不是为此而设计的,所以总体上说CNN提取旋转不变的特征能力是比较弱的。论文GroupEquivariantConvolutionalNetworks和sphericalCNNs对网络结构的旋转不变性设计进行了理论分析...

2018-11-06 16:32:06

CNN的全连接层已过时?全局平均池化(GAP)了解一下

TraditionalPoolingMethods要想真正的理解GlobalAveragePooling,首先要了解深度网络中常见的pooling方式,以及全连接层。众所周知CNN网络中常见结构是:卷积、池化和激活。卷积层是CNN网络的核心,激活函数帮助网络获得非线性特征,而池化的作用则体现在降采样:保留显著特征、降低特征维度,增大kernel的感受野。深度网络越往后面越能捕捉到...

2018-11-06 16:25:09

深度学习的目标检测通览(下)

 近年来,深度学习模型逐渐取代传统机器视觉方法而成为目标检测领域的主流算法,本系列文章将回顾早期的经典工作,并对较新的趋势做一个全景式的介绍,帮助读者对这一领域建立基本的认识。导言:目标检测的任务表述 如何从图像中解析出可供计算机理解的信息,是机器视觉的中心问题。深度学习模型由于其强大的表示能力,加之数据量的积累和计算力的进步,成为机器视觉的热点研究方向。 那么,如何理...

2018-11-06 16:01:15

深度学习的目标检测通览(上)

 近年来,深度学习模型逐渐取代传统机器视觉方法而成为目标检测领域的主流算法,本系列文章将回顾早期的经典工作,并对较新的趋势做一个全景式的介绍,帮助读者对这一领域建立基本的认识。(营长注:因本文篇幅较长,营长将其分为上、下两部分。)导言:目标检测的任务表述如何从图像中解析出可供计算机理解的信息,是机器视觉的中心问题。深度学习模型由于其强大的表示能力,加之数据量的积累和计算力的进步,成...

2018-11-06 15:58:51

Dropout过时了吗

 人工智能和深度学习很火,对应的职位其薪水和前景都很不错。很多人想转行从事这方面的研究,大部分都是靠自学相关的知识来进行入门和提升。网络上有很多资源可以用来学习深度学习相关的内容。但不幸的是,大多数资源在建立模型时候很少解释为什么这样构造会取得较好的效果,其根本原因在于目前深度学习相关的理论类似于一个黑匣子,暂时无法解释得清楚,只能通过实验来证明。此外,随着相关的深入研究,会出现一些新的发现,...

2018-11-06 11:05:35

深入解析Dropout

过拟合是深度神经网(DNN)中的一个常见问题:模型只学会在训练集上分类,这些年提出的许多过拟合问题的解决方案;其中dropout具有简单性并取得良好的结果:Dropout上图为Dropout的可视化表示,左边是应用Dropout之前的网络,右边是应用了Dropout的同一个网络。Dropout的思想是训练整体DNN,并平均整个集合的结果,而不是训练单个DNN。DNNs是以概率P舍弃...

2018-11-06 10:58:49

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!