參考了原文和一些博客，總結在了文檔裏： 鏈接: https://pan.baidu.com/s/1qYucH8g 密碼: r75b
在處理序列問題（如語言識別等）上，使用循環神經網絡（Recurrent Neural Networks，RNN）是很自然的方式；所謂循環神經網絡，其實就是把上一時刻的信息作爲當前時刻輸入的一部分，從而實現信息的傳遞；本文將先介紹基礎版RN
本篇主要講神經網絡的常見優化方法。 目前，出現了很多優化方法，如SGD、AdaGrad、RMSProp、AdaDelta、Momentum、Nesterov-Momentum (Nesterov’s accelerated gradien
MobileNet 訓練檢測網實驗總結 MobileNet做目標檢測的包在tensorflow/models/object_detection裏。先下載一個ssd_mobilenet_v1的預訓練模型。 1.數據製作 準備VOC
[背景] 老師要我和學長實現一個多分辨率的檢測網。想法是在pvanet的基礎上，從conv2-3生出一個分支子網絡，分支網的rpn和fc還有分類器都是照搬pvanet主幹網。用淺層特徵去檢測小目標，也就是單獨用小目標訓練分支網絡
1.訓練數據的準備 VOC2007數據格式，和faster-rcnn數據一樣，數據集組織結構和製作參見： [訓練樣本製作](http://blog.csdn.net/burning_keyboard/article/details
因爲神經網絡中的常用優化算法都會涉及到指數加權移動平均（exponential weighted moving average， ewma；也可稱爲exponential moving average，ema），所以這裏單獨寫下這個知識點
