点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - cnn调参
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
Neural Networks: Tricks of the Trade
Neural Networks: Tricks of the Trade
所属分类:
讲义
发布日期:2017-03-30
文件大小:11534336
提供者:
u010417185
A guide to convolution arithmetic for deep learning
一篇外国大牛写的关于CNN调参的讲解,具体内容见目录: 1 Introduction 1.1 Discrete convolutions . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.2 Pooling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2 Convolution arithmetic 2.1 No zero padding, uni
所属分类:
机器学习
发布日期:2017-10-28
文件大小:1048576
提供者:
qq_35653660
深度学习调参有哪些技巧?| 干货
文章的主要内容源于Stanford CS231n Convolutional Neural Networks for Visual Recognition课程里介绍的一些通过可视化手段,调试理解CNN网络的技巧,在该课程的基础上我作了一些沿展阅读,算是把当中的内容进一步丰富系统化了一下。限于时间精力,我也没有能够把里面提到的所有调试技巧全部进行尝试,不过在整理这篇文章的时候,我还是参考了不止一处文献,也结合之前以及最近跟一些朋友的技术交流沟通,对这些方法的有效性我还是有着很强的confiden
所属分类:
深度学习
发布日期:2018-03-07
文件大小:886784
提供者:
qq_40841714
全卷积层FCN的提出,以及在语义分割的应用
全卷积层FCN的提出,以及在语义分割的应用。作者有强大的调参技巧,网络有很多看起来简单,但实际上十分难以得出的结论
所属分类:
深度学习
发布日期:2018-09-20
文件大小:829440
提供者:
qq_35978445
魏秀参CNN book trick深度学习调参技巧
魏秀参CNN book, 以及cnn trick。深度学习书和调参技巧ppt
所属分类:
深度学习
发布日期:2018-10-08
文件大小:73400320
提供者:
qq_21997625
卷积神经网络调优.rar
卷积神经网络调优相关资料 深度学习调优技巧 包括一些网页的整理以及 魏秀参CNN book trick深度学习调参技巧
所属分类:
深度学习
发布日期:2019-07-29
文件大小:55574528
提供者:
suofen9703
【调参01】如何使用网格搜索寻找最佳超参数配置
本文介绍了如何使用网格搜索寻找网络的最佳超参数配置。 文章目录1. 准备数据集2. 问题建模2.1 训练集测试集拆分2.2 转化为监督学习问题2.3 前向验证2.4 重复评估2.5 网格搜索2.6 实例化3. 使用网格搜索寻找CNN最佳超参数3.1 超参数配置3.2 消除季节性影响3.3 问题建模3.4 完整代码 代码环境: python -3.7.6 tensorflow -2.1.0 假设现在已经定义好了网络模型,但需要对模型中的超参数进行微调。常用的方法是穷尽网格搜索(Exhaus
所属分类:
其它
发布日期:2020-12-20
文件大小:151552
提供者:
weixin_38623009
文本分类——Embedding、CNN、RNN练手
说明 本文是方法记录,不是完整的项目过程(在我Jupyter上,数据前期预处理部分懒得搬了),也没有调参追求准确度(家里电脑跑不动)。 参考任务来源于Kaggle,地址:电影评论情感分类 本文参考了不同的资料来源,包括斯坦福CS224N的课程资料,网上博客,Keras官方文档等 任务核心部分 1.单词表示 1.1 理论部分 对大部分(或者所有)NLP任务,第一步都应该是如何将单词表示成符合模型所需要的输入。最直接的思路就是将单词(符号)变为词向量。 词向量的表示方法: one-hot 编码:想法
所属分类:
其它
发布日期:2021-01-07
文件大小:134144
提供者:
weixin_38587924
caffe_ocr:主流ocr算法研究实验性的项目,目前实现了CNN + BLSTM + CTC架构-源码
简介 caffe_ocr是一个对现有主流ocr算法研究实验性的项目,目前实现了CNN + BLSTM + CTC的识别架构,并在数据准备,网络设计,调参等方面进行了很多的实验。代码包含了对lstm ,warp-ctc,multi-label等的适应和修改,还基于inception,restnet,densenet的网络结构。代码是针对Windows平台的,linux平台下只需要合并相关的修改到caffe代码中即可。 caffe代码修改 1.数据层增加了对多标签的支持2. lstm使用的是junh
所属分类:
其它
发布日期:2021-02-22
文件大小:27262976
提供者:
weixin_42172972
使用Tensorflow实现可视化中间层和卷积层
为了查看网络训练的效果或者便于调参、更改结构等,我们常常将训练网络过程中的loss、accurcy等参数。 除此之外,有时我们也想要查看训练好的网络中间层输出和卷积核上面表达了什么内容,这可以帮助我们思考CNN的内在机制、调整网络结构或者把这些可视化内容贴在论文当中辅助说明训练的效果等。 中间层和卷积核的可视化有多种方法,整理如下: 1. 以矩阵(matrix)格式手动输出图像: 用简单的LeNet网络训练MNIST数据集作为示例: x = tf.placeholder(tf.float32,
所属分类:
其它
发布日期:2021-01-20
文件大小:55296
提供者:
weixin_38718415