top of page
Welcome
搜尋


小D博士
2021年10月20日
【原创】深度学习第18弹:基于MobileNet的手势识别
一、前文回顾 上一节用VGG16训练了手势识别,这节用轻量级的神经网络模型MobileNet来实现。 二、关键词语 MobileNetV2:一个轻量化卷积神经网络,具有网络参数少运算速度快的优点。 三、实现思路 1.用Mediapipe来找到一幅图像中手的位置。...
3


小D博士
2021年10月18日
【原创】深度学习第17弹:基于VGG16的手势识别
一、前文回顾 在图像处理章节使用mediapipe进行了手势1-9的识别,但是既然学习了深度学习,所以我尝试使用深度学习来实现手势识别。 二、关键词语 Mediapipe:谷歌的一个训练好的神经网络模型。这个模块可以识别手,脸,姿态等等很多东西。我这次只使用手部识别的功能,...
0


小D博士
2021年8月27日
深度学习第16弹:基于CNN的MNIST手写数字识别
一、前文回顾 上一节笼统的介绍了卷积的概念和卷积神经网络的结构。但是我个人觉得应该比较难理解。所以这节用一个实例来演示一下。 ----理论所不能解决的那些疑难,实践会给你解决---- 二、MNIST手写数据集 以前我们通过传统神经网络实现了MINIST手写数据集的学习和识别...


小D博士
2021年8月27日
深度学习第15弹:卷积神经网络
一、前文回顾 最近我的工作激情就像激活函数一样,虽然我在努力朝着最大值走,却不小心掉进了极小值点,而且好半天爬不出来,以至于准备很久的卷积神经网络内容一直没有整理出来。 ※卷积神经网络简写CNN(ConvoluTIonal Neural Network) 二、什么是卷积...


小D博士
2021年8月27日
深度学习第14弹:神经网络回顾
一、前文回顾 我们到此为止成功搭建了一个简单的神经网络,并且这个神经网络可是识别简单的手写数字,但是这中间也出现了很多新的概念,所以我觉得需要做个总结,顺便完整的回看一下神经网络的具体原理 二、推理与学习 推理就是利用训练好的神经网络对未知的事物进行推理判定,这也是神经网络...


小D博士
2021年8月26日
深度学习第13弹:神经网络--自主学习高速版
一、前文回顾 上一节我们讲了误差逆传播方法来求微分,这节直接来用Python来实现,看看运行速度有多快 二、误差逆传播之Sigmoid 我们首先来看看激活函数Sigmoid的误差逆传播。(激活函数Sigmoid是什么?参考第6弹) 三、误差逆传播之行列积...


小D博士
2021年8月26日
深度学习第12弹:误差逆传播算法
一、前文回顾 上一节实现了神经网络的自主学习,但是发现训练速度超级慢,一个最简单的双层神经网络训练一次都大概需要好几天时间,显然这不科学。今天我们就要说说为什么不科学。 二、数值微分计算 我们计算损失函数微分的时候,是按照数学求微分那样对每个权重参数求偏微分,这也叫数值微分...


小D博士
2021年8月26日
深度学习第11弹:神经网络归纳
一、前文回顾 神经网络的基本知识已经全部介绍完了。主要包括了以下几个: ①激活函数 ②softmax函数 ③损失函数 ④批处理 ⑤梯度 ⑥梯度下降法 今天就把这些都归纳起来,然后完整的实现神经网络的自主学习过程。 二、神经网络的自主学习流程...


小D博士
2021年8月26日
深度学习第10弹:神经网络--梯度降下法
一、前文回顾 什么是梯度,简而言之就是对多元函数的每个参数求偏导数,然后以向量的形式写出来,这就是梯度。例如 它对于参数x1的偏导数为2*x1,参数x2的偏导数为2*x2,那么它的梯度为向量(2*x1,2*x2)。对于该函数在点(2,3)的具体梯度grad...
bottom of page