拥有0000-未整理-等待研究标签的文章

一种陈皮咖啡及其制备方法

添加标签_×_已添加（0/5）: 添加推荐标签：提交 取消一种陈皮咖啡及其制备方法下载 在线阅读 本发明公开一种陈皮咖啡及其制备方法，其冷饮陈皮咖啡比例为咖啡30cc、陈皮糖浆40cc、热水30cc、冰块20块分别倒入250ml/350ml的雪克杯内进行混合，或者咖啡60cc、陈皮糖浆80cc、热水60cc、冰块40块分别倒入530ml的雪克杯内进...
阅读全文

SpringBoot注解最全详解(整合超详细版本) - 浩瀚星空

使用注解的优势：     1.采用纯java代码，不在需要配置繁杂的xml文件     2.在配置中也可享受面向对象带来的好处     3.类型安全对重构可以提供良好的支持     4.减少复杂配置文件的同时亦能享受到springIoC容器提供的功能一、注解详解（配备了完善的释义）(可采用ctrl+F 来进行搜索哦)@SpringBootApplication：申明让spr...
阅读全文

深度学习（七）caffe源码c++学习笔记 - hjimce的专栏

原文地址：作者：hjimce一、预测分类最近几天为了希望深入理解caffe，于是便开始学起了caffe函数的c++调用，caffe的函数调用例子网上很少，需要自己慢慢的摸索，即便是找到了例子，有的时候caffe版本不一样，也会出现错误。对于预测分类的函数调用，caffe为我们提供了一个例子，一开始我懒得解读这个例子，网上找了一些分类预测的例子，总是会出现各种各样的错误，于是没办...
阅读全文

深度学习（十一）RNN入门学习 - hjimce的专栏

原文地址：作者：hjimce一、相关理论RNN(Recurrent Neural Networks)中文名又称之为：循环神经网络（原来还有一个递归神经网络，也叫RNN，搞得我有点混了，菜鸟刚入门，对不上号）。在计算机视觉里面用的比较少，我目前看过很多篇计算机视觉领域的相关深度学习的文章，除了OCR、图片标注、理解问答等这些会把CNN和RNN结合起来，其它的很少见到。RNN主要...
阅读全文

深度学习（十二）从自编码到栈式自编码 - hjimce的专栏

从自编码到栈式自编码 原文地址：作者：hjimce一、什么是自编码   简单的自编码是一种三层神经网络模型，包含了数据输入层、隐藏层、输出重构层，同时它是一种无监督学习模型。在有监督的神经网络中，我们的每个训练样本是（X，y），然后y一般是我们人工标注的数据。比如我们用于手写的字体分类，那么y的取值就是09之间数值，最后神经网络设计的时候，网络的输出层是一个10个神经元的网络模...
阅读全文

深度学习（十三）caffe之训练数据格式 - hjimce的专栏

原文地址：作者：hjimcecaffe对于训练数据格式，支持：lmdb、h5py……，其中lmdb数据格式常用于单标签数据，像分类等，经常使用lmdb的数据格式。对于回归等问题，或者多标签数据，一般使用h5py数据的格式。当然好像还有其它格式的数据可用，不过我一般使用这两种数据格式，因此本文就主要针对这两种数据格式的制作方法，进行简单讲解。一、lmdb数据lmdb用于单标签数据...
阅读全文

深度学习（二十七）可视化理解卷积神经网络 - hjimce的专栏

可视化理解卷积神经网络 原文地址：作者：hjimce一、相关理论本篇博文主要讲解2014年ECCV上的一篇经典文献：《Visualizing and Understanding Convolutional Networks》，可以说是CNN领域可视化理解的开山之作，这篇文献告诉我们CNN的每一层到底学习到了什么特征，然后作者通过可视化进行调整网络，提高了精度。最近两年深层的卷积神...
阅读全文

深度学习（三十）贪婪深度字典学习 - hjimce的专栏

贪婪深度字典学习 原文地址：作者：hjimce一、相关理论近几年深度学习声名鹊起，一个又一个AI领域被深度学习攻破，然而现在大部分深度学习所采用的算法都是有监督学习的方法；有监督学习需要大量的标注数据，需要耗费大量的人力物力。因此当有监督学习算法达到瓶颈的时候，无监督学习必将成为未来深度学习领域的研究焦点，使得深度学习更接近于人类；毕竟无标签数据一抓一大把、到处都是，如果我们可...
阅读全文

深度学习（三十九）可视化理解卷积神经网络(2.0) - hjimce的专栏

文章举报 发布了196 篇原创文章 · 获赞 1308 · 访问量 214万+ 已关注Original url: Created at: 20191211 11:51:03Category: defaultTags: none
阅读全文

深度学习（四十二）word2vec词向量学习笔记 - hjimce的专栏

word2vec词向量学习笔记 原文地址：个人微博：一、使用原版word2vec工具训练1、英文编译测试(1)到官网到下载：，然后选择export 到github，也可以直接到我的github克隆：```python git clone https://github.com/hjimce/word2vec.git```(2)编译：make(3)下载测试数据ht...
阅读全文