保存好訓(xùn)練得參數(shù)，read一張圖片，加載參數(shù)，保存featuremap的tensor，再convert_image_dtype轉(zhuǎn)換為圖片，取出每一維特征圖保存。
卷積神經(jīng)網(wǎng)絡(luò) LeNet-5各層參數(shù)詳解一. 理解卷積和子采樣 卷積過程：用一個(gè)可訓(xùn)練的濾波器fx去卷積一個(gè)輸入的圖像（第一階段是輸入的圖像，后面的階段就是卷積特征map），然后加一個(gè)偏置bx，得到卷積層Cx; 子...
1. 找出數(shù)組中重復(fù)的數(shù)字 題目：在一個(gè)長(zhǎng)度為n的數(shù)組里的所有數(shù)字都在0到n-1的范圍內(nèi)。數(shù)組中某些數(shù)字是重復(fù)的，但不知道有幾個(gè)數(shù)字重復(fù)了，也不知道每個(gè)數(shù)字重復(fù)了幾次。請(qǐng)找出...
1. Binary Tree Preorder Traversal Description Given a binary tree, return the preorder ...
1. Merge Sorted Array Description： Easy Given two sorted integer arrays nums1 and nums2...
RCNN 1. Rcnn的Motivation是什么？ 目標(biāo)檢測(cè)進(jìn)展緩慢，CNN在 圖片分類 中取得重大成功。應(yīng)用CNN將檢測(cè)問題轉(zhuǎn)化成分類問題。 2. 候選框提取 一張圖片...
1. Remove Duplicates from Sorted Array Description： Easy Given a sorted array nums, rem...
Going deeper with convolutions GoogleNet首次出現(xiàn)在ILSVRC 2014比賽中（和VGG同年），獲得了當(dāng)時(shí)比賽的第一名。使用了Ince...
一. 背景介紹 VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 是牛津大學(xué)計(jì)算機(jī)視覺實(shí)驗(yàn)...
@陌上鳶飛 120到84就是全連接，84到10實(shí)際上是最后的輸出層是歐式徑向基單元，在原文有具體的計(jì)算方法。后面我會(huì)貼在文章中。
卷積神經(jīng)網(wǎng)絡(luò) LeNet-5各層參數(shù)詳解一. 理解卷積和子采樣 卷積過程：用一個(gè)可訓(xùn)練的濾波器fx去卷積一個(gè)輸入的圖像（第一階段是輸入的圖像，后面的階段就是卷積特征map），然后加一個(gè)偏置bx，得到卷積層Cx; 子...
相鄰4個(gè)像素值不是參數(shù)，權(quán)值w和偏置b才是要學(xué)的參數(shù)。
卷積神經(jīng)網(wǎng)絡(luò) LeNet-5各層參數(shù)詳解一. 理解卷積和子采樣 卷積過程：用一個(gè)可訓(xùn)練的濾波器fx去卷積一個(gè)輸入的圖像（第一階段是輸入的圖像，后面的階段就是卷積特征map），然后加一個(gè)偏置bx，得到卷積層Cx; 子...
記錄本人在使用 pytorch 過程中遇到過的函數(shù)，長(zhǎng)期更新。 1. torch.nn.Sequential(* args) 是一個(gè)Sequential容器，模塊將按照構(gòu)造函...
記錄本人在使用 tensorflow 過程中遇到過的函數(shù)，長(zhǎng)期更新。 1. def reshape(tensor, shape, name=None) 第1個(gè)參數(shù)為被調(diào)整維度...
1.1 常量 1.2 常量表達(dá)式 1.3. 枚舉常量，變量只能取一組特定的取值時(shí)。 1.4 預(yù)處理器宏 只進(jìn)行文本替換，編譯器不知道變量類型，不推薦。 2.1 數(shù)組：按一定順...
一. 順序容器： 按順序存儲(chǔ)數(shù)據(jù)； 插入速度快，查找相對(duì)較慢。 vector 在最后插入數(shù)據(jù);STLvector類與數(shù)組類似，允許隨機(jī)詢問元素，即可使用下標(biāo)運(yùn)算符[]指定元素...
一. 引言 神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡(jiǎn)單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體所作出的交互反應(yīng) 如今神經(jīng)網(wǎng)絡(luò)已經(jīng)為很多人所熟知，很多很多復(fù)雜...
一. 誤差和性能度量 錯(cuò)誤率(error rate) 分類錯(cuò)誤的樣本數(shù)占樣本總數(shù)的比例 （D是樣本集合，f是模型，f(xi)是模型輸出，yi是實(shí)際類標(biāo)，Ⅱ()是指示函數(shù)，在內(nèi)...
