相关阅读
相关 计算机视觉中的深度学习7: 卷积神经网络
Slides：[百度云][Link 1] 提取码: gs3n 之前说了全连接神经网络，说了线性分类，这些东西全都没有保留图片原本的2D特性，全都是将图片转化为1D的数组。
素颜马尾好姑娘i相关 计算机视觉与神经网络,深度学习基础 (十四)--计算机视觉与卷积神经网络
计算机视觉 之前讲神经网络基础的时候就简单介绍过，在图像识别的场景中，计算机都是从先识别表层特征，然后慢慢通过这些表层特征来识别出深层的图像。 过程差不多是下面的这个样子
你的名字相关 【计算机视觉与深度学习】全连接神经网络（二）
> 计算机视觉与深度学习系列博客传送门 > [【计算机视觉与深度学习】线性分类器（一）][Link 1] > [【计算机视觉与深度学习】线性分类器（二）][Link 2
相关 【计算机视觉与深度学习】全连接神经网络（一）
> 计算机视觉与深度学习系列博客传送门 > [【计算机视觉与深度学习】线性分类器（一）][Link 1] > [【计算机视觉与深度学习】线性分类器（二）][Link 2
相关 深度学习与计算机视觉[CS231N] 学习笔记（4.1）：反向传播（Backpropagation）
在学习深度学习的过程中，我们常用的一种优化参数的方法就是梯度下降法，而一般情况下，我们搭建的神经网络的结构是：输入→权重矩阵→损失函数。如下图所示。 ![这里写图片描述][
系统管理员相关 深度学习与计算机视觉[CS231N] 学习笔记（3.2）：Softmax Classifier（Loss Function）
在数学，尤其是概率论和相关领域中，Softmax函数，或称归一化指数函数，是逻辑函数的一种推广。它能将一个含任意实数的K维的向量z“压缩”到另一个K维实向量α(z)中，使得每一
╰+哭是因爲堅強的太久メ相关 深度学习与计算机视觉[CS231N] 学习笔记（3.1）：损失函数（Loss Function）
在上一节的线性回归的例子中，我们通过一定的矩阵运算获得了每张图像的最终得分（如下图），可以看到，这些得分有些是比较好的预测，有些是比较差的预测，那么，具体如何定义“好”与“差”
相关 深度学习与计算机视觉[CS231N] 学习笔记（2.3）：线性回归（Linear Classification）
本次我们基于线性回归的图像分类算法，采用的数据集合是CIFAR10，具体信息如下图所示。 ![这里写图片描述][SouthEast] 参数化方法：线性回归 如下图所
Bertha 。相关 深度学习与计算机视觉[CS231N]学习笔记（2.1）：图像分类
问题目标 图像分类是计算机视觉领域中一个较为基础的问题，它的目标是根据事先定义好的图像类别，将输入图像划分到对应的类别当中去。（目前，在最著名的ILSVRC挑战赛当中，计
相关 深度学习与计算机视觉[CS231N]：计算机视觉与深度学习/卷积神经网络
第一讲 | 视觉识别和卷积神经网络简介 斯坦福大学开设的“用于视觉识别的卷积神经网络（[YouTube链接][YouTube]）”（Convolutional Ne
还没有评论，来说两句吧...