原创 VTK 6.1 安裝配置
安裝可以參考http://blog.csdn.net/jasonleesjtu/article/details/8211692 過程大致一樣。 VTK 6.1 相對於VTK 5 在目錄結構方面有很大的改動，很多lib文件的名字
2020-07-05 13:35:40
3
原创 GAN生成對抗網絡：數學原理
文章目錄1. 極大似然估計2. 相對熵，KL散度3. KL散度與交叉熵的關係4. JS散度5. GAN 框架判別器的損失函數生成器的損失函數 1. 極大似然估計 GAN用到了極大似然估計（MLE），因此我們對MLE作簡單介紹。 M
2020-07-05 13:35:38
7
原创 Conv2d反向傳播梯度的計算過程
我們用一個例子來說明： 令 x∗w=yx*w=yx∗w=y 並且 x=[x11x12x13x21x22x23x31x32x33],w=[w11w12w21w22],y=[y11y12y21y22]x=\begin{bmatrix}
2020-07-05 13:35:38
2
原创 l1約束比l2約束更容易獲得稀疏解
本文內容受到了知乎相關問題的啓發，本人做了一些整理和補充。 l1l_1l1和l2l_2l2約束 將損失函數L(w)L(w)L(w)看作參數www的函數，則l1l_1l1約束的形式是： (1)L=L(w)+λ∥w∥1L = L
2020-07-05 13:35:38
原创 Python二維數組按列取元素
Numpy數組可以直接切片，但是普通的Python二維數組不行。 方法一 a = [[1,2],[3,4]] b = [i[0] for i in a] # 從a中的每一行取第一個元素。 print(b) [1, 4]
2020-07-05 13:35:38
原创 docker學習筆記
目錄docker學習筆記1. docker基礎介紹2. docker的安裝 docker學習筆記 本文簡單記錄自己的docker學習過程。 1. docker基礎介紹 docker是對linux容器的一種封裝，並提供容器接口以供使
2020-02-22 10:19:41
原创 Win10 + Ubuntu 18.04 LTS雙硬盤UEFI+GPT引導雙系統安裝
記錄一下自己安裝雙系統的痛苦經歷的心得。 適用範圍： UEFI引導，雙硬盤，GPT格式。 重點： 首先安裝Win10，在一個硬盤A上。 將硬盤B，使用diskgenius打開，新建一個ESP分區，大小300M夠了。 然後按照網上
2020-02-22 10:19:41
原创 k折交叉驗證 k-fold cross-validation
文章目錄k折交叉驗證k值的確定實例使用scikit-learn進行交叉驗證 交叉驗證是用來評估機器學習方法的有效性的統計學方法，可以使用有限的樣本數量來評估模型對於驗證集或測試集數據的效果。 k折交叉驗證 參數kkk表示，將給定的
2019-06-16 00:51:07
21
原创 深度學習的一些知識點總結
目標函數要能防止網絡的輸出始終是一個單一數值，例如0。 當training set和test set數據分佈不一致時，保證validate set和test set數據分佈一致 High bias? 增大加深網絡。Large a
2019-06-11 03:46:45
原创 深度學習中的優化算法
如何確定mini-batch的大小？ 64， 128， 256， 。。。。。。 數據大小適應CPU / GPU內存的大小 Exponentially weighted averages vt=βvt−1+(1−β)θtv_t =
2019-06-11 03:46:45
原创 CNN中感受野Receptive Field的計算
文章目錄1. 感受野2. 計算方法3. Python 代碼4. 反捲積的感受野計算方法5. V-Net論文表1的感受野計算參考文獻 1. 感受野 The receptive field is defined as the regi
2019-06-11 03:46:45
2
原创 Anaconda 創建虛擬環境及一些使用技巧
1. 使用conda創建新的環境 conda create -n name python=version 2. 激活虛擬環境 source activate name 3. 退出環境 source deactivate 以下
2019-05-07 20:55:08
原创 Cov2d反向傳播梯度的計算過程
我們用一個例子來說明： 令 x∗w=yx*w=yx∗w=y 並且 x=[x11x12x13x21x22x23x31x32x33],w=[w11w12w21w22],y=[y11y12y21y22]x=\begin{bmatrix} x
2019-05-05 17:34:32
原创 上採樣和反捲積 Up-sampling and Transposed Convolution (Deconvolution)
文章目錄1. 卷積操作2. 卷積矩陣3. 反捲積4. 反捲積矩陣5. 使用卷積計算反捲積6. 總結參考文獻 使用反捲積（Transposed Convolution）來進行上採樣操作，不需要藉助插值方法，並且可以提供能夠學習的參數。
2019-05-04 15:40:12
原创 數據擴增方法 Data Augmentation
1. Common methods mirroring 鏡像水平翻轉 random cropping 隨機裁切 rotation shearing local warping 2. Color shifting 給R、G、G顏色
2019-05-02 11:13:45
1