如上圖，深度學習有3個基本的步驟： 1） 定義函數，即選擇建立神經網絡 2） 建立一個標准，判斷第一步得到的函數或者網絡好不好，相當於損失函數，誤差越小，則該函數或網絡越好 3） 選擇誤差最小的那個函數或網絡 　　將我們之前選擇的模型或網絡用在訓練集上，如果誤差大，則說明模型 ...

本文記錄一些對深度學習的思考總結.意識流寫法，想到哪寫到哪，日后不定期更新補充. 在沒有接觸深度學習的時候，覺得這是個非常高大上的技術，數學基礎要求非常多,上手門檻非常高.我想很多人和我有一樣的想法.這種對深度學習的印象，我想很大一部分來自鋪天蓋地的自媒體的有關AI的報道解讀,造成了一種深度學習 ...

因為最近的項目需求，需要我將Tensorflow模型、caffe模型和Mxnet模型轉換成darknet模型，因此做個記錄。 一些github上面的模型轉換匯總：https://github.com/ysh329/deep-learning-model-convertor 從網上現有的一些模型 ...

本菜雞的科研之路已經開始兩三個月了，期間遇到了很多問題，現在想在這里總結一下。 在閱讀深度學習論文的時候，首先需要看看代碼是否開源，如果沒有開源應該向作者索要源碼，然后在本地運行這些代碼。這樣做是很有必要的，因為深度學習就是一個玄學，論文里故事編的再漂亮也不能work，因此你需要用代碼 ...

最近，在復習機器學習的相關算法，按照原來的計划，現在，我應該完成了CS231n的學習和作業，可是因為一些不可抗原因，推遲了，最近整理復習，聯想到，我之前的工作，我突然意識到，學習一種算法或理論，復現論文成果是一種非常好的學習方式，有點像一個閉環反饋系統，我學習了這種算法，尤其現在深度學習那么多論文 ...

【說在前面】本人博客新手一枚，象牙塔的老白，職業場的小白。以下內容僅為個人見解，歡迎批評指正，不喜勿噴！[認真看圖][認真看圖] 【補充說明】深度學習有多火，我就不多說了。本文主要介紹深度學習項目實踐過程中可能遇到的一些組件及使用技巧！ 一、Optimizor優化器選擇 1. 梯度下降：經典 ...

（工程選題與深度學習框架有關） 現有的任何一種大型軟件背后都存在兩種根本性的因素：商業因素和技術因素。其兩者是相互矛盾且統一的。 技術上決定了，任何現在大型軟件的開發都無法不借助已有的代碼和產品：大型軟件的復雜性決定了除非不顧及一切商業行為，否則要想實現整套系統的完全獨立開發是不切實際 ...

一個網友收集的運動目標檢測，陰影檢測的標准測試視頻 http://blog.csdn.net/sunbaigui/article/details/6363390 很權威的change detection檢測視頻集，里面有將近20種主流算法在這個測試集上的運行結果和ROC,PRA曲線 ...