《深度學習 21天實戰Caffe》讀書筆記1
關於深度學習常見術語的通俗描述
“有監督”學習：上課時，我們跟著老師一步一步學習。
“無監督”學習：自主完成課後的作業。
“訓練資料集”：平時做的課後練習題。
“測試資料集”：考試時卷面的題目。
關於訓練效果：
“學霸”：訓練效果其他人好，對測試資料集的所有情況如數家珍。
“學渣”：完全沒有訓練或訓練不充分，對測試資料集的效果和隨機猜測差不多。
“學痴”：在訓練上出現“過擬合”，平時做訓練題滾瓜爛熟，一遇大考就跪了。
深度學習與傳統機器學習的區別：
傳統機器學習需要人工設計特徵提取器，而深度學習不需要人工設計，深度學習是由機器自動學習獲得。
相關推薦
《深度學習 21天實戰Caffe》讀書筆記1
關於深度學習常見術語的通俗描述 “有監督”學習：上課時，我們跟著老師一步一步學習。 “無監督”學習：自主完成課後的作業。 “訓練資料集”：平時做的課後練習題。 “測試資料集”：考試時卷面的題目。 關於訓練效果： “學霸”：訓練效果其他人好，對測試資料集的所有情況如
《深度學習 21天實戰caffe》學習筆記
第二天 深度學習的過往 2.1 傳統機器學習與深度學習方法 傳統機器學習：人工設計特徵提取器–>求取原始資料的特徵向量–>分類器對輸入進行檢測和分類; 深度學習方法：不需要設計特徵提取器，實現端到端的學習。 2.2 表示學習到深度學習 兩者關係：表示
《深度學習21天實戰caffe》第6天 學習筆記
這一節的學習主要是通過手寫體數字識別例程來熟悉caffe的基本使用。 首先下載MNIST資料集 $ cd data/mnist $ ./get_mnist.sh 下載到四個檔案 訓練集（圖片）train-images-idx3-ubyte 訓練集（
深度學習 21天實戰caffe 前三天 筆記
本文用作《深度學習21天實戰caffe筆記》的備忘，請結合原書食用~ 前言 Caffe框架以“層”為單位對深度神經網路的結構進行了高度的抽象。 Caffe由賈楊清開發。 卷積神經網路發明者Geoffrey Hinton在20世紀70年代提出深度學習理論
【深度學習：21 天實戰 Caffe】Docker 映象更新
百度網盤已棄用。隨書資源已經放在碼雲和 github，方便國內外朋友下載。碼雲：https://gitee.com/yongkezhao/PracticeCaffeIn21Daysgithub：https://github.com/zhaoyongke/Caffe21Days
21天實戰caffe筆記_第二天
向量 非線性 結果 基本原則 過程 img 從表 而且 提取器 1 傳統機器學習 傳統機器學習：通過人工設計特征提取器，將原始數據轉化為合適的中間表示形式或者特征向量，利用學習系統(通常為分類器)可以對輸入模式進行檢測或者分類。流程如下：
caffe原始碼學習--blob基本用法（基於《21天實戰caffe》）
1、p102頁編寫blob_demo.cpp後g++編譯生成app檔案。 在趙老師的書中，很簡單就寫成功，估計會有人出現一些錯誤。其實不是路徑問題，是格式的問題，嘿嘿！ 在你寫好Blob模板類。生成可執行程式app的時候就會出現錯誤！ CAFFE_ROOT是您之前安
深度學習（花書）讀書筆記——第二章-線性代數
第二章-線性代數2.1 標量、向量、矩陣和張量標量(scalar):一個標量就是一個單獨的數,它不同於線性代數中研究的其他大部分物件(通常是多個數的陣列)。向量(vector):一個向量是一列數。這些數是有序排列的。
《機器學習實戰》——讀書筆記1
前言 在大學裡，最好的方面不是你研修的課程或從事的研究，而是一些外圍活動：與人會面、參加研討會、加入組織、旁聽課程，以及學習未知的知識。 一個機構會僱傭一些理論家（思考者）以及一些做實際工作的人（執行者）。前者可能會將大部分時間花在學術工作上，他們的日常工作就是基於論文產
深度學習（花書）讀書筆記——第三章-概率與資訊理論
當方差很小時,f (x) 的值形成的簇比較接近它們的期望值。方差的平方根被稱為標準差(standard deviation)。協方差(covariance)在某種意義上給出了兩個變數線性相關性的強度以及這些變數的尺度: 協方差的絕對值如果很大則意味著變數值變化很大並且它們同時距離各自的均值很遠。
深度學習（花書）讀書筆記——第五章-機器學習基礎
深度學習是機器學習的一個特定分支。我們要想充分理解深度學習,必須對機器學習的基本原理有深刻的理解。5.1 學習演算法機器學習演算法是一種能夠從資料中學習的演算法。然而,我們所謂的 ‘學習’ 是什麼意思呢?Mitchell (1997) 提供了一個簡潔的定義:‘‘對於某類任務
《深度學習入門之pythoch》 讀書筆記——卷積神經網路
之前就購買了這本書，但是一直處於閒看的狀態，時至年底，深感不能再繼續之前狀態，故從正在閱讀的部分開始寫讀書筆記，之前的會在後邊補充。 原理和結構 卷積神經網路以其強大的計算機視覺能力倍受人們的青睞。 作者首先提出了三個觀點，也就是圖片的三個性質，分別是
《動手學深度學習（李沐）》筆記1
break pre square scatter mage sgd 筆記 init .com 實現一個簡單的線性回歸(mxnet) from mxnet import ndarray as nd from mxnet import autograd import matp
《Maven實戰》讀書筆記--(1)使用intellij idea搭建並配置maven多模組專案
本文使用intellij idea搭建Maven3多模組專案，並進行配置相關配置，以實現專案的構建打包。 專案結構 multi-module-project是我們的專案名稱，其中包含多個模組： mmp-dal模組：資料訪問層，提供對原始資料（主要指資料庫）的操作
《機器學習》周志華 讀書筆記1（原創）
第1章 p1-p23 2017-2-20 Mon 模型：泛指從資料中學得的結果 Instance示例（或sample樣本）：每條記錄的資料。每條記錄是關於一個事件或物件的描述。 Data set資料集:記錄資料的集合 Attribute屬性（或feature特徵）：反映事
神經網路與深度學習第一天讀書筆記
書本來源 概念：感知器、S型神經元 感知器（Perceptrons） 一個感知器接受幾個二進位制的輸入，得到一個二進位制輸出。 書上舉例是三個，可以有更多輸入。 threshold表示閾值，w
機器學習實戰讀書筆記(1)--k鄰近演算法
kNN演算法 kNN演算法概述 kNN演算法和kmeans演算法的比較 knn工作原理: 存在一個樣本資料集合(訓練樣本集),並且每個樣本都具有標籤,輸入新的樣本後,我們將樣本的特徵與訓練樣本集中的資料特徵比較,演算法提取特徵最相似的k個樣本的標籤,採用少數服從多數的
<機器學習實戰>讀書筆記--樸素貝葉斯
1.樸素貝葉斯法是基於貝葉斯定理與特徵條件獨立假設的分類方法， 最為廣泛的兩種分類模型是決策樹模型(Decision Tree Model)和樸素貝葉斯模型（Naive Bayesian Model，NBM） 2.樸素貝葉斯公式 P(B|A)的意思是在A事件的情況下，發生B事件的概率。 3.樸素貝
python學習筆記：第21天 常用內建模組-1
目錄 一、collections模組 二、時間模組 也可以在我的個人部落格上閱讀 一、collections模組 1. Counter Counter是⼀個計數器，主要⽤統計字元的數量，之前如果我們要統計字串的話要寫如下演算法： s = 'Wed Nov 14 08:58:45 CS
《機器學習實戰》讀書筆記2：K-近鄰(kNN)演算法 & 原始碼分析
宣告：文章是讀書筆記，所以必然有大部分內容出自《機器學習實戰》。外加個人的理解，另外修改了部分程式碼，並添加了註釋 1、什麼是K-近鄰演算法？ 簡單地說，k-近鄰演算法採用測量不同特徵值之間距離的方法進行分類。不恰當但是形象地可以表述為近朱者赤，近墨者黑