原创 人臉識別方向論文筆記（3）-- Sparsifying Neural Network Connections for Face Recognition
原文地址：http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Sun_Sparsifying_Neural_Network_CVPR_2016_
2020-06-30 22:46:28
1
原创 實習點滴（5）--Tensorflow文檔學習
學習了一段時間CRF之後，自己也將重點轉移到了TensorFlow的學習上，寫寫博客，就當是做做筆記了。 TensorFlow的幾大概念： Tensor：向量，數據的存在格式 Variab
2020-06-30 22:46:27
原创 實習點滴（4）--CRF算法的特徵模板總結
最近工作中接觸到了CRF算法以及CRF++，於是乎，去了解了關於這些的一系列的東西，打算總結總結CRF算法裏的模板問題。 我們知道，深度學習（Deeplearning）是不需要特徵模板的，它會自己學習裏邊的
2020-06-30 22:46:27
1
原创 DeepLearning（基於caffe）實戰項目（6）--探索leNet模型的真諦
到目前爲止，我們訓好了模型，測試了模型，也知道如何看學習曲線，那麼就很好奇，通過怎麼個流程，能讓一幅圖片轉換成了一個結果（數字），接下來將一探究竟。 首先，需要明確的是我們訓練集是60000張32*32的圖
2020-02-26 00:23:35
原创 人臉識別方向論文筆記（1）-- A Light CNN for Deep Face Representation With Noisy Labels
原文地址：https://arxiv.org/pdf/1511.02683.pdf 這篇論文中，創新點有兩個：1.提出了一種新的激活函數Max-Feature-Map（MFM不僅能區分開噪聲數據和信息數據，而且在特徵選擇方
2020-02-26 00:23:25
17
原创 實習點滴（3）--以“詞性標註”爲例理解CRF算法
看了CRF相關的東西好幾天了，現在也過來總結總結。我本人喜歡以講故事的方式闡述一些東西，純理論總是很抽象，而且很容易讓人失去耐心。那就以“詞性標註”爲切入點，去理解一下CRF（Conditional Random Fiel
2020-02-26 00:23:25
5
原创 DeepLearning（基於caffe）實戰項目（10）--Python編寫網絡配置文件
你一定有這樣一種感受，就是當網絡模型層數較少的時候，還可以接受手動寫配置文件，當網絡層數多了之後，就會自己寫的寫的就亂了，現在介紹用Python編寫配置文件，不僅方便編寫，而且觀看也比較舒服。 以mnis
2020-02-26 00:23:25
原创 實習點滴（2）--python統計ip地址出現的個數
今天，在完成任務的時候，用到了統計ip地址出現的個數，現在就做一下總結，寫一個統計ip地址的函數 代碼如下： 輸入：包含ip地址的文件所在的路徑 輸出：包含ip地址和它出現的
2020-02-26 00:23:25
原创 DeepLearning（基於caffe）實戰項目（9）--Python測試訓練好的model
之前曾用Matlab測試訓練好的model（詳細見：http://blog.csdn.net/sihailongwang/article/details/72700482），現在打算用Python測試訓練好的model，這
2020-02-26 00:23:25
原创 DeepLearning（基於caffe）實戰項目（8）--修改caffe源代碼從添加loss(層)函數開始
在caffe中摸爬滾打了一個多月了，修改caffe源代碼，早就想練練手了，loss層是一個比較獨立的一個層，而且可以仿照caffe給的樣例進行添加，難度會稍微小點。caffe自帶了十種loss層(contrastive、euclidean
2020-02-26 00:23:25
原创 實習點滴（1）--Xshell如何運行Python中的某個函數
這是實習的這五天來第一次來到CSDN博客，想寫個專題，來記錄我的第一份實習所學習到的知識，聲明：不涉及到公司的機密，只是記錄所學到的技術。 來到公司，自然不僅僅會在自己的PC機上運行程序，還會在公司的服務器
2020-02-26 00:23:25
原创 自然語言處理基礎（1）--基本分詞方法
基本的分詞方法包括最大匹配法、最大概率法（最短加權路徑法）、最少分詞法、基於HMM的分詞法、基於互現信息的分詞方法、基於字符標註的方法和基於實例的漢語分詞方法等。 1.最大匹配法 最大匹配法需
2020-02-26 00:23:25
1
原创 DeepLearning（基於caffe）實戰項目（7）--從caffe結構裏函數總結一覽caffe
我覺得學習caffe，必須得做到會修改源碼，剛開始可以不需要知道所有的函數是如何實現的，但必須得知道里邊都有哪些函數，這些函數都可以幹什麼。 用網上流行的比喻：Blobs,Layers,Nets的關係就好比
2020-02-26 00:23:25
原创 DeepLearning（基於caffe）優化策略（2）--防擬合篇：Dropout
DeepLearning，甚至機器學習，都或多或少的會出現過擬合的現象。防止過擬合，就成爲了一個大家普遍關注的話題。 過擬合的原因，大致分爲這幾種：數據量過小、數據有噪聲、學習的網絡模型更復雜（例如：本來是
2020-02-26 00:23:25
原创 自然語言處理基礎（4）--數據平滑技術
n元語法模型中，在統計結果中出現了零概率事件反映語言的規律性，即這種現象本來就不該出現，但更多的時候是由於語言模型的訓練文本T的規模以及其分佈存在着一定的侷限性和片面性。這就是所謂的“數據稀疏”問題。 所謂
2020-02-26 00:23:25