注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 深度学习之卷积神经网络CNN模式识别VS代码

  2. 深度学习之卷积神经网络CNN做手写体识别的VS代码。支持linux版本和VS2012版本。 tiny-cnn: A C++11 implementation of convolutional neural networks ======== tiny-cnn is a C++11 implementation of convolutional neural networks. design principle ----- * fast, without GPU 98.8% accuracy o

  3. 所属分类：C++

    • 发布日期：2014-02-18
    • 文件大小：10485760
    • 提供者：dpstill

  1. 深度学习之卷积神经网络CNN用于人脸检测C++库

  2. 深度学习的卷积神经网络CNN用于做人脸检测等CV算法的C++库。

  3. 所属分类：C++

    • 发布日期：2014-02-19
    • 文件大小：4194304
    • 提供者：dpstill

  1. MachineLearning-master-python.zip

  2. 属于网络下载资源，感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码，以及具体的应用实例，包含： Keras使用进阶。介绍了怎么保存训练好的CNN模型，怎么将CNN用作特征提取，怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras，用经典的Mnist分类问题对该框架的使用进行说明，训练一个CNN，总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo，人脸数

  3. 所属分类：专业指导

    • 发布日期：2016-07-04
    • 文件大小：1048576
    • 提供者：qq_33042687

  1. 卷积神经网络CNN学习笔记 pdf

  2. 个人整理的CNN学习笔记，所有素材均来自于互联网。把经典的摘之以作备案，待整理好这份笔记后，发现对CNN也有了深入理解，希望对你也有帮助！

  3. 所属分类：专业指导

    • 发布日期：2016-11-07
    • 文件大小：3145728
    • 提供者：aoeywv

  1. 卷积神经网络（二）

  2. 深度学习之卷积神经网络；从字符到句子的卷积神经网络。

  3. 所属分类：讲义

    • 发布日期：2017-03-03
    • 文件大小：417792
    • 提供者：abrohambaby

  1. CNN基础入门

  2. 度机器学习方法有监督学习与无监督学习之分，不同的学习框架下建立的学习模型很是不同。卷积神经网络就是一种深度的监督学习下的机器学习模型，而深度置信网就是一种无监督学习下的机器学习模型。

  3. 所属分类：深度学习

    • 发布日期：2017-12-06
    • 文件大小：6291456
    • 提供者：solofeng_1

  1. 吴恩达DL深度学习笔记v3.03.pdf

  2. Coursera深度学习教程中文笔记 课程概述 这些课程专为已有一定基础（基本的编程知识，熟悉Python、对机器学习有基本了解）， 想要尝试进入人工智能领域的计算机专业人士准备。介绍显示：“深度学习是科技业最热门 的技能之一，本课程将帮你掌握深度学习。” 在这5堂课中，学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴 恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。Deep Learning Specialization对卷积神经网络 (CNN)、递归神经网络 (R

  3. 所属分类：深度学习

    • 发布日期：2019-08-19
    • 文件大小：14680064
    • 提供者：drjiachen

  1. CNN可视化& 反卷积.zip

  2. 2014 ECCV 深度学习卷积神经网络开始之作，CNN可视化，介绍了CNN不同层的作用及特征图的可视化，2011 ICCV 可视化反卷积论文

  3. 所属分类：深度学习

    • 发布日期：2020-04-30
    • 文件大小：38797312
    • 提供者：xiao_9626

  1. 深度学习之卷积神经网络

  2. 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含[卷积](https://baike.baidu.com/item/卷积/9411006)计算且具有深度结构的[前馈神经网络](https://baike.baidu.com/item/前馈神经网络/7580523)（Feedforward Neural Networks），是[深度学习](https://baike.baidu.com/item/深度学习/3729729)（deep learning）

  3. 所属分类：深度学习

    • 发布日期：2020-03-27
    • 文件大小：20480
    • 提供者：weixin_43788143

  1. 深度学习之卷积神经网络CNN

  2. 用CNN实现一个分类器, 数据共有10类，训练数据在train文件夹下，测试数据在test文件夹下，数据有十类，读取数据的方法如下。 #python2 import cPickle def load_data(data_path): with open(data_path,"rb") as f: target_params = cPickle.load(f) data = target_params['data'].reshape([-1,32,32,3

  3. 所属分类：深度学习

    • 发布日期：2019-07-21
    • 文件大小：169869312
    • 提供者：gakki_chen

  1. 深度学习之--CNN卷积神经网络__整理版.docx

  2. 前段时间学习了BP网络和CNN网络，做了一些笔记，整理了相关公式推导，以及一些扩展，算是比较全面的深度学习入门资料啦~

  3. 所属分类：深度学习

    • 发布日期：2020-07-27
    • 文件大小：12582912
    • 提供者：Liyyeee

  1. CNN-深度学习-卷积神经网络.ppt

  2. 人工智能，CNN（深度学习之卷积神经网络）的教学版PPT，讲解的很到位，非常具体，希望对各位有所帮助

  3. 所属分类：互联网

    • 发布日期：2020-08-18
    • 文件大小：2097152
    • 提供者：weixin_40627366

  1. TensorFlow深度学习之卷积神经网络CNN

  2. 一、卷积神经网络的概述 卷积神经网络（ConvolutionalNeural Network，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等。CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求，避免复杂的特征工程。在卷积神经网络中，第一个卷积层会直接接受图像像素级的输入，每一层卷积（滤波器）都会提取数据中最有效的特征，这种方法可以提取到图像中最基础的特征，而后再进行组合和抽象形成更高阶的特征，因此

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：141312
    • 提供者：weixin_38682279

  1. 《动手学习深度学习》之三：1.卷积神经网络（CNN）基础（打卡2.4）

  2. 卷积神经网络（CNN） 1.卷积神经网络基础 1.1.基础概念 1.1.1.卷积层 1.1.2.填充、步幅、输入通道、输出通道的含义 1.1.3.池化层 1.1.4.二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。 import torch import torch.nn as nn def corr2d(X, K): H, W = X

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：644096
    • 提供者：weixin_38608378

  1. 深度学习：Keras入门(二)之卷积神经网络(CNN)

  2. 简单来说，卷积(或内积)就是一种先把对应位置相乘然后再把结果相加的运算。(具体含义或者数学公式可以查阅相关资料)如下图就表示卷积的运算过程：（图1）卷积运算一个重要的特点就是，通过卷积运算，可以使原信号特征增强，并且降低噪音.这里以常用的激活函数sigmoid为例：把上述的计算结果269带入此公式，得出f(x)=1如图是一个人工神经元的模型：（图2）对于每一个神经元，都包含以下几部分：x:表示输入w:表示权重θ:表示偏置∑wx:表示卷积(内积)f:表示激活函数o:表示输出对于一个灰度图片(图3)

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：533504
    • 提供者：weixin_38732343

  1. DeepWay：该项目对盲人有帮助。 迄今为止，盲人导航的方式尚无技术进步。 因此，我使用了深度学习（特别是卷积神经网络），以便它们可以在街道上导航-源码

  2. 深度之路 这个项目是对盲人的帮助。 迄今为止，盲人导航的方式尚无技术进步。 因此，我使用了深度学习（特别是卷积神经网络），以便它们可以在街道上导航。 观看 我的方法 收集培训数据 我的项目是CNN的实现，我们都知道它们需要大量的培训数据。 因此，我遇到的第一个障碍是带有正确标记的图像数据集。 所以我到了大学，录制了很多视频（各种类型的道路和越野），然后我写了一个基本的python脚本来保存视频中的图像（我每5帧保存了1幅图像，因为连续框架几乎相同）。 我为每个班级（即左，右和中）收集了近1000

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：1048576
    • 提供者：weixin_42134143

  1. 深度学习：Keras入门(二)之卷积神经网络(CNN)

  2. 简单来说，卷积(或内积)就是一种先把对应位置相乘然后再把结果相加的运算。(具体含义或者数学公式可以查阅相关资料)

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：542720
    • 提供者：weixin_38703823

  1. PyTorch CNN实战之MNIST手写数字识别示例

  2. 简介 卷积神经网络(Convolutional Neural Network, CNN)是深度学习技术中极具代表的网络结构之一，在图像处理领域取得了很大的成功，在国际标准的ImageNet数据集上，许多成功的模型都是基于CNN的。 卷积神经网络CNN的结构一般包含这几个层： 输入层：用于数据的输入 卷积层：使用卷积核进行特征提取和特征映射 激励层：由于卷积也是一种线性运算，因此需要增加非线性映射 池化层：进行下采样，对特征图稀疏处理，减少数据运算量。 全连接层：通常在CNN的

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：121856
    • 提供者：weixin_38699757

  1. MachineLearning学习——0220——深度学习之卷积神经网络、自编码器

  2. 参考：https://github.com/apachecn/vt-cs4624-pyml-zh/blob/master/docs/22.md https://github.com/apachecn/vt-cs4624-pyml-zh/blob/master/docs/23.md 由于之前有了解CNN，该文章将跳过大部分细节，仅供本人记录学习过程用 卷积神经网络Convolutional Neural Network 介绍：与多层感知机的结构很相似：输入层，一些隐藏层，输出层，这些层多由卷积层、

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：135168
    • 提供者：weixin_38652870

  1. 《动手学习深度学习》之三：2.卷积神经网络（CNN）进阶-5种模型（打卡2.5）

  2. 卷积神经网络（CNN）进阶 2.LeNet、AlexNet、VGG、NiN、GooLeNet 5种模型 2.1.LeNet 2.1.1.全连接层和卷积层的比较： 使用全连接层的局限性： • 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 • 对于大尺寸的输入图像，使用全连接层容易导致模型过大。 使用卷积层的优势： • 卷积层保留输入形状。 • 卷积层通过滑动窗口将同一卷积核与不同位置的输入重复计算，从而避免参数尺寸过大。 2.1.2.LeNet 模型介绍

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：749568
    • 提供者：weixin_38648968
« 12 »