红色石头的个人博客

红色石头 发布于 2022-02-28

2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司一起研发了新的卷积神经网络，并命名为VGGNet。VGGNet是比AlexNet更深的深度卷积神经网络，该模型获得了2014年ILSVRC竞赛的第二名，第一名是Goo...

阅读(2713)评论(0)赞 (2)标签：CNN / VGG / 深度学习 / 目标检测 / 神经网络

红色石头 发布于 2022-02-10

大家好，我是红色石头！ 第一个典型的CNN是LeNet5网络，而第一个大放异彩的CNN却是AlexNet。2012年在全球知名的图像识别竞赛 ILSVRC 中，AlexNet 横空出世，直接将错误率降低了近 10 个百分点，这是之前所有机器学习模型无法做到的。 AlexNet的作...

阅读(2272)评论(0)赞 (0)标签：AlexNet / CNN / 深度学习 / 目标检测 / 神经网络

红色石头 发布于 2022-01-07

大家好，我是红色石头！ 在上三篇文章： 这可能是神经网络 LeNet-5 最详细的解释了！ 我用 PyTorch 复现了 LeNet-5 神经网络（MNIST 手写数据集篇）！ 我用 PyTorch 复现了 LeNet-5 神经网络（CIFAR10 数据集篇）！ 详细介绍了卷积神...

阅读(2987)评论(0)赞 (1)标签：LeNet-5 / 深度学习 / 目标检测

红色石头 发布于 2021-12-28

大家好，我是红色石头！ 在上两篇文章： 这可能是神经网络 LeNet-5 最详细的解释了！ 我用 PyTorch 复现了 LeNet-5 神经网络（MNIST 手写数据集篇）！ 详细介绍了卷积神经网络 LeNet-5 的理论部分和使用 PyTorch 复现 LeNet-5 网络来...

阅读(3160)评论(0)赞 (2)标签：LeNet-5 / 深度学习 / 目标检测

红色石头 发布于 2021-12-17

大家好，我是红色石头！ 在上一篇文章： 这可能是神经网络 LeNet-5 最详细的解释了！ 详细介绍了卷积神经网络 LeNet-5 的理论部分。今天我们将使用 Pytorch 来实现 LeNet-5 模型，并用它来解决 MNIST数据集的识别。 正文开始！ 一、使用 LeNet-...

阅读(3753)评论(0)赞 (1)标签：LeNet-5 / 深度学习 / 目标检测

红色石头 发布于 2021-12-08

学习深度学习，永远绕不开 GPU，跑模型。就算力来说，最合适的还是在一些适合跑深度学习的服务器上训练模型。我也用过不少深度学习服务器。但经常遇到3个主要问题： 一是算力不够； 二是价格较贵； 三是搭建深度学习环境麻烦。 相对来说，GPU 云服务器还是相对比较贵的。最近我发现恒源云...

阅读(4779)评论(0)赞 (1)

红色石头 发布于 2021-12-07

大家好，我是红色石头！ 说起深度学习目标检测算法，就不得不提 LeNet- 5 网络。LeNet-5由LeCun等人提出于1998年提出，是一种用于手写体字符识别的非常高效的卷积神经网络。出自论文《Gradient-Based Learning Applied to Docume...

阅读(4126)评论(0)赞 (3)标签：深度学习 / 目标检测

红色石头 发布于 2021-10-12

跟大家说个事，也算是憋了很久，之前花了近一年时间撰写的 AI 书籍《深度学习入门：基于PyTorch和TensorFlow的理论与实现》终于正式出版了！ 一睹真容： 这里跟大家唠一下，之前很多出版社的编辑找过我，想让我写一本关于机器学习或深度学习的入门教程。一开始我是拒绝的，大家...

阅读(6078)评论(2)赞 (28)标签：机器学习 / 深度学习

红色石头 发布于 2021-09-22

机器学习、深度学习最简单的入门方式就是基于 Python 开始编程实战。最近闲逛 GitHub，发现了一个非常不错的 Python 学习实例集，完全是基于 Python 来实现包括 ML、DL 等领域。推荐给大家~ 首先放上该开源项目的 GitHub 地址： https://gi...

阅读(6330)评论(0)赞 (6)标签：Python / 机器学习 / 深度学习

红色石头 发布于 2021-09-22

首先介绍一下链式法则 假如我们要求z对x1的偏导数，那么势必得先求z对t1的偏导数，这就是链式法则，一环扣一环 BackPropagation（BP）正是基于链式法则的，接下来用简单的前向传播网络为例来解释。里面有线的神经元代表的sigmoid函数，y_1代表的是经过模型预测出来...

阅读(66151)评论(0)赞 (1)标签：深度学习