原创 HBase的基礎介紹
HBase的定義 HBase – Hadoop Database，是一個高可靠性、高性能、面向列、可伸縮、實時讀寫的分佈式數據庫。利用Hadoop HDFS作爲其文件存儲系統,利用Hadoop MapReduce來處理HBase中
2020-06-16 02:30:18
原创 CS231n的第一次作業之淺層神經網絡
作業一 作業內容： 實現k-NN，SVM分類器，Softmax分類器和兩層神經網絡，實踐一個簡單的圖像分類流程。 激活函數類型： 上圖左邊是Sigmoid非線性函數，將實數壓縮到[0,1]之間。右邊是tanh函數，將實數壓縮到[
2020-05-26 14:28:25
原创 高光譜圖像分類
高光譜遙感影像分類的特點： 特徵空間維數高，數據相關性強，冗餘度高，運算時間長； 要求的訓練樣本多； 可用於分類的特徵多，既包括直接光譜向量，還可以計算植被指數、光譜吸收指數、導數光譜、紋理特徵、形狀指數等派生特徵 圖像的二階統
2020-05-26 14:28:25
1
原创 CS231n的第二次作業之深度學習框架
pytorch 框架 PyTorch是一個用於在Tensor對象上執行動態計算圖的系統，其行爲類似於numpy ndarray。 它帶有一個強大的自動微分引擎，無需手動進行反向傳播。 首先，我們加載CIFAR-10數據集。 第一次
2020-05-26 14:28:24
原创 谷歌Colab使用心得
Colab介紹 Google Colab是一項免費的雲服務，現在它支持免費的GPU！Colab提供GPU，並且完全免費。你可以進行開發利用流行的庫如深學習應用Keras，TensorFlow，PyTorch，和OpenCV。 使用
2020-05-26 14:28:24
原创 深層神經網絡：超參數調試、正則化以及優化
作業二 作業內容： 在本作業中，你將練習編寫反向傳播代碼，訓練神經網絡和卷積神經網絡 超參數調試 深度學習可能存在的參數 其中學習速率是需要調試的最重要的超參數。 如何選擇調試值呢？ 在早一代的機器學習算法中，如果你有兩個超參數
2020-05-26 14:28:24
原创 CS231n的第一次作業之SVM
作業一 作業內容： 實現k-NN，SVM分類器，Softmax分類器和兩層神經網絡，實踐一個簡單的圖像分類流程。 多類支持向量機損失 Multiclass Support Vector Machine Loss: SVM 的損
2020-05-26 14:28:24
原创 PCA在高光譜圖像中的應用
PCA介紹 主成分分析 (Principal Component Analysis ，簡稱 PCA)是最常用的一種降維方法。 算法介紹 代碼 function [p_d_mat,project_mat,allmean]=PCA2(
2020-05-26 14:28:24
原创 CS231n的第一次作業之KNN
作業一 作業內容：實現k-NN，SVM分類器，Softmax分類器和兩層神經網絡，實踐一個簡單的圖像分類流程。 1. KNN分類器 KNN介紹： KNN分類器其只找最相近的那1個圖片的標籤，我們找最相似的k個圖片的標籤，然後讓他們
2020-05-26 14:28:24
原创 CS231n的第三次作業之圖像梯度：顯著圖和高效圖像
在本作業中，你將實現循環網絡，並將其應用於在微軟的COCO數據庫上進行圖像標註。我們還會介紹TinyImageNet數據集，然後在這個數據集使用一個預訓練的模型來查看圖像梯度的不同應用。 在訓練模型時，我們定義了一個損失函數，用
2020-05-26 14:28:14
原创 CS231n的第三次作業之GRU和LSTM長期記憶網絡模型
在本作業中，你將實現循環網絡，並將其應用於在微軟的COCO數據庫上進行圖像標註。我們還會介紹TinyImageNet數據集，然後在這個數據集使用一個預訓練的模型來查看圖像梯度的不同應用。 門控制單元 LSTM LSTM是一個比
2020-05-26 14:28:14
1
原创 CS231n的第一次作業之更高層次表達：圖像特徵
作業一 作業內容： 實現k-NN，SVM分類器，Softmax分類器和兩層神經網絡，實踐一個簡單的圖像分類流程。 0.前言 我們已經看到，通過用輸入圖像的像素訓練的線性分類器對圖像的分類問題已經取得了不錯的結果。在這個練習中我們會
2020-05-26 14:28:14
原创 Linux的一些常見的命令
1.Linux文件 Linux系統中一切皆文件。 2.VI/VIM編輯器 VI是Unix操作系統和類Unix操作系統中最通用的文本編輯器。 VIM編輯器是從VI發展出來的一個性能更強大的文本編輯器。可以主動的以字體顏色辨別語法
2020-05-26 14:28:14
原创 CS231n的第二次作業之卷積神經網絡
作業二 作業內容： 在本作業中，你將練習編寫反向傳播代碼，訓練神經網絡和卷積神經網絡。 卷積層 卷積層是構建卷積神經網絡的核心層，它產生了網絡中大部分的計算量。卷積層的參數是有一些可學習的濾波器集合構成的。每個濾波器在空間上（寬度
2020-05-26 14:28:14
原创 CS231n的第二次作業之全連接神經網絡
作業二 作業內容： 在本作業中，你將練習編寫反向傳播代碼，訓練神經網絡和卷積神經網絡 淺層神經網絡簡介： 我們首先關注一個例子，本例中的神經網絡只包含一個隱藏層（圖3.2.1）。這是一張神經網絡的圖片，讓我們給此圖的不同部分取一些
2020-05-26 14:28:14