深度学习—BN的理解（一）
原博客：https://www.cnblogs.com/eilearn/p/9780696.html 0、问题 机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的，这是通过训练数据获得的模型能够在测试集获得好的效果的一个基本保障 ...
原文：关于对深度学习的理解
首先要明白什么是深度学习 深度学习是用于建立 模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。 它的基本特点是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理 NLP 领域。显然， 深度学习 是与机器学习中的 神经网络 是强相关， 神经网络 也是其主要的算法和手段 或者我们可以将 深度学习 称之为 改良版的神经网络 算法。 深度学习 ...
2019-08-09 15:54 0 1021 推荐指数：
相关推荐
深度学习anchor的理解
摘抄与某乎 anchor 让网络学习到的是一种推断的能力。网络不会认为它拿到的这一小块 feature map 具有七十二变的能力，能同时从 9 种不同的 anchor 区域得到。拥有 anchor 的 rpn 做的事情是它已知图像中的某一部分的 feature（也就是滑动窗口 ...
深度学习—BN的理解（一）
0、问题 机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的，这是通过训练数据获得的模型能够在测试集获得好的效果的一个基本保障。那BatchNorm的作用是什么呢？BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同 ...
深度学习—BN的理解（二）
神经网络各个操作层的顺序： 1、sigmoid,tanh函数：conv -> bn -> sigmoid -> pooling 2、RELU激活函数：conv -> ...
深度学习—卷积的理解
1、参数共享的道理 如果在图像某些地方探测到一个水平的边界是很重要的，那么在其他一些地方也会同样是有用的，这是因为图像结构具有平移不变性。所以在卷积层的输出数据体的55x55个不同位置中，就没有必要重新学习去探测一个水平边界了。 在反向传播的时候，都要计算每个神经元对它的权重的梯度 ...
深度学习（十五） TextCNN理解
以下是阅读TextCNN后的理解 步骤： 1.先对句子进行分词，一般使用“jieba”库进行分词。 2.在原文中，用了6个卷积核对原词向量矩阵进行卷积。 3.6个卷积核大小：2个4*6、2个3*6和2个2*6，如上图所示；然后进行池化，对相同卷积核产生的特征图进行连接 ...
深度学习中Embedding的理解
深度学习中Embedding的理解 一、总结 一句话总结： Embedding就是把高维的one-hot进行降维的过程。 1、Embedding的概念引入？ 1)、一维列表也不行，二维稀疏矩阵也不行，怎么办呢？这里就引入了Embedding的概念，由密集向量表示，实现降维 ...
深度学习浅层理解（一）
来源和参考，参见以下链接等相关网站： http://blog.csdn.net/zouxy09/article/details/8775360 http://blog.csdn.net/zouxy ...