- DL之CNN：关于CNN(卷积神经网络)经典论文原文(1950~2018)简介总结框架结构图(非常有价值)之持续更新(吐血整理) 导读 关于CNN，迄今为止已经提出了各种网络结构。其中特别重要的两个网络，一个是在1998 年首次被提出的CNN元祖LeNet，另一个是在深度学习受到关注的2012 年被提出的AlexNet。这两个神经网络架构，在整个计算机视觉... DL之CNN：关于CNN(卷积神经网络)经典论文原文(1950~2018)简介总结框架结构图(非常有价值)之持续更新(吐血整理) 导读 关于CNN，迄今为止已经提出了各种网络结构。其中特别重要的两个网络，一个是在1998 年首次被提出的CNN元祖LeNet，另一个是在深度学习受到关注的2012 年被提出的AlexNet。这两个神经网络架构，在整个计算机视觉...
- DL之CNN优化技术：卷积神经网络算法简介之特有的优化技术及其代码实现——im2col技术等技术 目录 im2col技术 im2col简介 im2col代码实现 im2col技术 im2col简介 1、im2col 的示意图 2、将滤波器的应用区域从头开始依次横向展开为1列 3、卷积运算的滤波器处理的细节：将滤波器纵向... DL之CNN优化技术：卷积神经网络算法简介之特有的优化技术及其代码实现——im2col技术等技术 目录 im2col技术 im2col简介 im2col代码实现 im2col技术 im2col简介 1、im2col 的示意图 2、将滤波器的应用区域从头开始依次横向展开为1列 3、卷积运算的滤波器处理的细节：将滤波器纵向...
- DL之CNN：卷积神经网络算法简介之原理简介——CNN网络的3D可视化(LeNet-5为例可视化) CNN网络的3D可视化 3D可视化地址：http://scs.ryerson.ca/~aharley/vis/conv/ 1、LeNet-5为例可视化 &... DL之CNN：卷积神经网络算法简介之原理简介——CNN网络的3D可视化(LeNet-5为例可视化) CNN网络的3D可视化 3D可视化地址：http://scs.ryerson.ca/~aharley/vis/conv/ 1、LeNet-5为例可视化 &...
- DL之CNN优化技术：学习卷积神经网络CNN的优化、调参实践、从代码深刻认知CNN架构之练习技巧 目录 卷积神经网络CNN调参学习实践 练习技巧 1、练习攻略一 2、VGG16练习攻略二 卷积神经网络CNN调参学习实践 DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functio... DL之CNN优化技术：学习卷积神经网络CNN的优化、调参实践、从代码深刻认知CNN架构之练习技巧 目录 卷积神经网络CNN调参学习实践 练习技巧 1、练习攻略一 2、VGG16练习攻略二 卷积神经网络CNN调参学习实践 DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functio...
- 来源：Medium 编译：weakish 编者按：Dave Smith使用Excel电子表格深入浅出地讲解了卷积神经网络（CNN）是如何识别人脸的。 当你入门的时候，可能觉得机器学习很复杂……甚至很可怕。另一方面，电子表格却很简单。电子表格并不酷炫，但却能避免分散你的注意力，同时帮助你以直观的方式可视化代码后面发生的事... 来源：Medium 编译：weakish 编者按：Dave Smith使用Excel电子表格深入浅出地讲解了卷积神经网络（CNN）是如何识别人脸的。 当你入门的时候，可能觉得机器学习很复杂……甚至很可怕。另一方面，电子表格却很简单。电子表格并不酷炫，但却能避免分散你的注意力，同时帮助你以直观的方式可视化代码后面发生的事...
- 今天给大家带来的是卷积神经网络，听上去是不是挺高大上的？它还有个更响亮的名字CNN，谈到CNN应该好多同学都略知一二吧，CNN在做图像识别上有着很出色的效果，那我们今天对卷积神经网络一探究竟吧！ 卷积神经网络，CNN（Convolutional Neural Network），属于深度学习技术的一种算法，主要是进行特征学习，通过分层网络获取分层次的特征信息去解决人... 今天给大家带来的是卷积神经网络，听上去是不是挺高大上的？它还有个更响亮的名字CNN，谈到CNN应该好多同学都略知一二吧，CNN在做图像识别上有着很出色的效果，那我们今天对卷积神经网络一探究竟吧！ 卷积神经网络，CNN（Convolutional Neural Network），属于深度学习技术的一种算法，主要是进行特征学习，通过分层网络获取分层次的特征信息去解决人...
- 本文提出了一种通用的实现方法卷积神经网络（CNN）构建框架设计实时CNN。创建实时面部检测视觉系统，实现性别分类和情绪分类。 其中：IMDB性别分类测试准确率：96％；fer2013情绪分类测试准确率：66％。 具体效果如下图： 这里提供下数据集下载： 1、情绪分类模型数据集：https://www.kaggle.com/c/challenges-in-repr... 本文提出了一种通用的实现方法卷积神经网络（CNN）构建框架设计实时CNN。创建实时面部检测视觉系统，实现性别分类和情绪分类。 其中：IMDB性别分类测试准确率：96％；fer2013情绪分类测试准确率：66％。 具体效果如下图： 这里提供下数据集下载： 1、情绪分类模型数据集：https://www.kaggle.com/c/challenges-in-repr...
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第3章，第3.3节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第3章，第3.3节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第3章，第3.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第3章，第3.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.12节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.12节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.10节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.10节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.9节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.9节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.7节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.7节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习之图像识别核心技术与案例实战》一书中的第1章，第1.2.1节，作者是言有三 。 本书摘自《深度学习之图像识别核心技术与案例实战》一书中的第1章，第1.2.1节，作者是言有三 。
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签