cuda-convnet windows8下编译
cuda-convnet 原始文件下载地址: https://github.com/dnouri/cu ...
原文：[UFLDL] ConvNet
二十三 Convolution和Pooling练习 三十八 Stacked CNN简单介绍 三十六 关于构建深度卷积SAE网络的一点困惑 五十 Deconvolution Network简单理解 五十一 CNN的反向求导及练习 Stacked Convolutional Auto Encoders for Hierarchical Feature Extraction中提到的一个实验 作者认为加 ...
2017-11-20 18:40 0 1027 推荐指数：
相关推荐
UFLDL教程练习（exercise）答案（1）
之前看过Andrew NG大神写的UFLDL教程，觉得很不错，不过一直比较懒，没有动手做里面的练习，最近做了一下，感觉很有意思。下面是《稀疏自编码器》和《矢量化编程实现》这两节我自己实现的练习答案，不保证完全正确，不过结果和网站上面给出的基本一致。 稀疏自编 ...
UFLDL教程练习（exercise）答案（2）
主成分分析与白化，这部分很简单，当然，其实是用Matlab比较简单，要是自己写SVD分解算法，足够研究好几个月的了。下面是我自己实现的练习答案，不保证完全正确，不过结果和网站上面给出的基本一致。 ...
Inflated 3D ConvNet 【I3D】
Two-Stream Inflated 3D ConvNet (I3D) HMDB-51: 80.9% and UCF-101: 98.0% 在Inception-v1 Kinetics上预训练 ConvNet+LSTM：每一帧都提feature后整视频pooling，或者每一帧提 ...
UFLDL学习笔记 ---- 主成分分析与白化
主成分分析（PCA）是用来提升无监督特征学习速度的数据降维算法。看过下文大致可以知道，PCA本质是对角化协方差矩阵，目的是让维度之间的相关性最小（降噪），保留下来的维度能量最大（去冗余），PCA在图像 ...
深度学习UFLDL老教程笔记1 稀疏自编码器Ⅱ
稀疏自编码器的学习结构: 稀疏自编码器Ⅰ： 神经网络 反向传导算法 梯度检验与高级优化 稀疏自编码器Ⅱ： 自编码算法与稀疏性 可视化自编码器训练结果 Exercise: Spar ...
UFLDL深度学习笔记 （一）反向传播与稀疏自编码
UFLDL深度学习笔记 （一）基本知识与稀疏自编码 前言 近来正在系统研究一下深度学习，作为新入门者，为了更好地理解、交流，准备把学习过程总结记录下来。最开始的规划是先学习理论推导；然后学习一两种开源框架；第三是进阶调优、加速技巧。越往后越要带着工作中的实际问题去做，而不能是空中楼阁式 ...
UFLDL深度学习笔记 （四）用于分类的深度网络
UFLDL深度学习笔记 （四）用于分类的深度网络 1. 主要思路 本文要讨论的“UFLDL 建立分类用深度网络”基本原理基于前2节的softmax回归和 无监督特征学习，区别在于使用更“深”的神经网络，也即网络中包含更多的隐藏层，我们知道前一篇“无监督特征学习”只有一层隐藏层。原文深度网络概览 ...