介绍过去几年中数个在 ImageNet 竞赛（一个著名的计算机视觉竞赛）取得优异成绩的深度卷积神经网络。 LeNet LeNet 证明了通过梯度下降训练卷积神经网络可以达到手写数字识别的最先进的结果。这个奠基性的工作第一次将卷积神经网络推上舞台，为世人所知。 训练： AlexNet ...

分成两种情况，一种是公开的训练好的模型，下载后可以使用的，一类是自己训练的模型，需要保存下来，以备今后使用。 如果是第一种情况，则参考 http://keras-cn.readthedocs.io/en/latest/other/application/ 使用的是Application ...

的问题：（好吧，这块受训练水平的影响，还是借鉴另一篇博客的翻译：神经网络六大坑） 　　1，you d ...

在前面的博客人工神经网络入门和训练深度神经网络，也介绍了与本文类似的内容。前面的两篇博客侧重的是如何使用TensorFlow实现，而本文侧重相关数学公式及其推导。 1 神经网络基础 1.1 单个神经元 一个神经元就是一个计算单元，传入$n$个输入，产生一个输出，再应用于激活函数。记$n$维 ...

mxnet框架下超全手写字体识别—从数据预处理到网络的训练—模型及日志的保存 INFO:root:Epoch[0] Batch [100] Speed: 1504.57 samples/sec accuracy=0.113564INFO:root:Epoch ...

卷积神经网络（convolutional neural network）。它是近年来深度学习能在计算机视觉中取得巨大成果的基石，它也逐渐在被其他诸如自然语言处理、推荐系统和语音识别等领域广泛使用。 目前我关注的问题是： 输入数据的构建，尤其是多输入、多输出的情况。 finetune ...

~ 3.4×1038。 从FP16的范围可以看出，用FP16代替原FP32神经网络计算的最大问题就是 ...

...