原创 Keras利用卷積神經網絡瑪麗蓮夢露與愛因斯坦的識別Part

目的 突發奇想想會認爲下面這張圖片究竟是瑪麗蓮夢露還是愛因斯坦,主要目的順便實踐練習《Python深度學習》書中的例子,只採用了很小批量的數據,也沒有深究如何提高正確率,解決過擬合的問題。詳細可以參見《python深度學習》第五章

原创 基於MATLAB的小遊戲(puzzle)

更新: 沒有素材或者.mat文件看着博客也比較難實現,下面是完整的遊戲文件 鏈接:https://pan.baidu.com/s/1CH_vFQQ_m2rIXde-VtkPWg 提取碼:uo2x 遊戲畫面: 注:文章開始寫的時候

原创 Keras實現生成對抗網絡(GAN)(生成二維平面上服從某一分佈的點)

GAN原理 相關數學推導可參考 李宏毅https://www.bilibili.com/video/av36779967/?p=4 通俗的比喻:製造假鈔(G)和警察(D)對抗的過程。假鈔製造者製造假鈔,警察識別假鈔 假鈔製造者製造

原创 Keras卷積神經網絡瑪麗蓮夢露與愛因斯坦的識別Part2:使用預訓練模型VGG16

從Keras加載vgg16 from keras.applications import VGG16 import os conv_base = VGG16(weights = 'imagenet',

原创 Keras利用卷積神經網絡瑪麗蓮夢露與愛因斯坦的識別

目的 突發奇想想會認爲下面這張圖片究竟是瑪麗蓮夢露還是愛因斯坦,主要目的順便實踐練習《Python深度學習》書中的例子,只採用了很小批量的數據,也沒有深究如何提高正確率,解決過擬合的問題。詳細可以參見《python深度學習》第五章

原创 matlab用梯度下降擬合迴歸直線

看了神經網絡的梯度下降(Gradient Descent)逼近的方法之後就寫了一個擬合散點(y= kx+b)的程序,原理是使方差最小(對擬合直線來說這樣的算法肯定不算是好算法)。 x=(1:10)'; y=[2;3;3;4;5;6;4

原创 Coursera 吳恩達Deep Learning 第二週作業邏輯迴歸 Matlab 實現

由於不太熟悉python,把python的代碼複製跑了一遍之後打算用Matlab 寫一遍。 原來的python的參照GitHub:https://github.com/Kulbear/deep-learning-coursera/bl

原创 C++Primer練習答案-第三章

練習答案 Exercise 3.1: Rewrite the exercises from § 1.4.1 (p. 13) and § 2.6.2 (p. 76) with appropriate using declarations

原创 C++Primer筆記+練習答案-第二章

筆記部分比較混亂只記錄自己認爲重要的點。 筆記 2.1 基本內置類型 2.1.1 算術類型 詳見p30表格 2.1.2 類型轉換 非布爾值轉換爲布爾值時,非零爲true,0爲false。 布爾值在算術表達中,true爲1,false爲

原创 C++Primer學習筆記+練習答案-第一章

有錯歡迎指出 筆記部分 1.1 編寫⼀個簡單的 C++程序 每個 C++程序都包含⼀個或多個函數 (functi0n), 其中⼀個必須命名爲 main。 操作系統通過調⽤ main 來運⾏ C++程序。 int main() {