0
点赞
收藏
分享

微信扫一扫

Stanford CS231n实践笔记(课时14卷积神经网络详解 上)

Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_深度学习


这只是一个展示项目,但是能够帮助直观地看到一些东西


地址:https://cs.stanford.edu/people/karpathy/convnetjs/demo/cifar10.html



​​= [];

layer_defs.push({
type
:
'input', out_sx
:
32, out_sy
:
32, out_depth
:
3});

layer_defs.push({
type
:
'conv', sx
:
5, filters
:
16, stride
:
1, pad
:
2, activation
:
'relu'});

layer_defs.push({
type
:
'pool', sx
:
2, stride
:
2});

layer_defs.push({
type
:
'conv', sx
:
5, filters
:
20, stride
:
1, pad
:
2, activation
:
'relu'});

layer_defs.push({
type
:
'pool', sx
:
2, stride
:
2});

layer_defs.push({
type
:
'conv', sx
:
5, filters
:
20, stride
:
1, pad
:
2, activation
:
'relu'});

layer_defs.push({
type
:
'pool', sx
:
2, stride
:
2});

layer_defs.push({
type
:
'softmax', num_classes
:
10});


net
= new convnetjs.Net();

net.makeLayers(layer_defs);
​​



网络的构造就是conv-pool-conv-pool这样的过程。



Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_卷积_02


原始图片输入



Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_深度学习_03


第一层卷积


Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_ide_04

    和relu


第一层pool



Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_ide_05


可以返现,图片的大小降低明显


第二次



Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_卷积_06



Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_深度学习_07


第三次



Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_ide_08



Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_ide_09


最后,全连接并softmax



Stanford CS231n实践笔记(课时14卷积神经网络详解 上)_卷积_10


结束了。基本能够理解。


可以预见的一点是,在这样一个发展迅速的时代,拥有数据分析背景、能力,特别是深度学习技术,将使工程师具备价值。要想办法克服显示的瓶颈,成为这样的人。毕竟,真正的牛人是创造规则的。




举报

相关推荐

0 条评论