Stanford CS231n实践笔记(课时14卷积神经网络详解 上)

本课我们主要来研究一个“浏览器中的卷积神经网络”
Stanford CS231n实践笔记(课时14卷积神经网络详解 上)
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 = [];
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)
原始图片输入
Stanford CS231n实践笔记(课时14卷积神经网络详解 上)
第一层卷积
Stanford CS231n实践笔记(课时14卷积神经网络详解 上)
    和relu
第一层pool
Stanford CS231n实践笔记(课时14卷积神经网络详解 上)
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)
Stanford CS231n实践笔记(课时14卷积神经网络详解 上)
第三次
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)
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)
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。





目前方向:图像拼接融合、图像识别 联系方式:[email protected]