Allenlzcoder的博客

本文介绍了利用keras做mnist数据集的手写数字识别。参考网址 http://www.cnblogs.com/lc1217/p/7132364.htmlmnist数据集中的图片为28*28的单通道黑白图片。详细代码#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Fri Apr 26 11:07:39 2019...

GoogLeNetV1,V2,V3博客转载自：https://blog.csdn.net/app_12062011/article/details/62216987

AlexNet模型解读本博客转载自： https://blog.csdn.net/teeyohuang/article/details/75069166

Tensorflow实现LeNet-5模型博客转载自：https://blog.csdn.net/NNNNNNNNNNNNY/article/details/70216265

残差网络Resnet论文解读博客地址：https://blog.csdn.net/loveliuzz/article/details/79117397

人脸表情识别/人脸检测/ML/DL/图像处理博主人脸表情识别/人脸检测/ML/DL/图像处理博主：https://blog.csdn.net/app_12062011/article/category/7618871

深度学习领域论文分析博主博客链接： https://my.csdn.net/u014380165

深入理解深度学习中的卷积和feature map       虽然深度学习的概念已经传遍大街小巷，本文还是说一说CNN中的卷积。       本文主要介绍卷积层的结构。下图显示了CNN中最重要的部分，这部分称之为过滤器(filter)或内核(kernel)。因为TensorFlow官方文档中将这个结构称之为过滤器(filter)，故在本文中将统称这个结构为过滤器。如下图所示，过滤器可以将当前层网络上的一个子节点矩

各个历史版本 cuda toolkit 下载链接      发现cuda toolkit 8.0 _windows_7_locoal  版本的 无法下载，  但是笔记本目前是win7系统， 找了之前的7.5版本了，为了便于今后更快捷，保存下各个历史版本cuda toolkit      cuda历史各个版本下载链接      https://developer.nvid

简单易懂的softmax交叉熵损失函数求导      本博客转自：http://m.blog.csdn.net/qian99/article/details/78046329      来写一个softmax求导的推导过程，不仅可以给自己理清思路，还可以造福大众，岂不美哉~       softmax经常被添加在分类任务的神经网络中的输出层，神经网络的反向传播中关键的步

卷积神经网络中feature map的含义      在每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起，其中每一个称为一个feature map。在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片，一般就是3个feature map（红绿蓝）。层与层之间会有若干个卷积核（kernel），上一层和每个feature map跟每个卷积核做卷积，

最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版，然后又找了些资料看，才发现，中文版的译者在翻译的时候会对省略的公式推导过程进行补充，但是补充的又是错的，难怪觉得有问题。反向传播法其实是神经网络的基础了，但是很多人在学的时候总是会遇到一些问题，或者看到大篇的公式觉得好像很难就退缩了，其实不难，就是一个链式求导法则反复用。如果不想看公式，可以直接把数值带进去，实际的计算一下，体会一下这个过程之后再来推导公式，这样就会觉得很容易了。