马春杰杰的文章

无法提供摘要。这是一篇受保护的文章。

赞(289)马春杰杰2019-05-11Linux 评论(89)

请注意：本文的安装环境是Ubuntu下的容器，而不是宿主机。如果需要在宿主机上安装vnc的同学，请参考： 接下来是正文： 首先ssh登陆远程服务器，不知道怎么连的可以看之前的文章： 连上之后更新一下apt [crayon-69f6feb73...

赞(208)马春杰杰2019-05-10Linux 去评论

卷积过程如图： 对于卷积的时间复杂度来说，即运算量： 这里代表了全部的运算量，如果我们想知道一次卷积的运算量，则可以简化为： 参数量： 对于参数量而言，计算方式为：

赞(310)马春杰杰2019-05-08深度学习 去评论

今天有台服务器中的某个容器突然无法进行ssh连接，师弟用Xshell连接提示： [crayon-69f6feb736942209221383/] 我这边用FinalShell测试的，提示： [crayon-69f6feb7369471567...

赞(215)马春杰杰2019-05-06Linux 去评论

这里主要介绍下1*1卷积核的神奇之处核最好的使用范围，在开始之前需要了解下卷积网络的权值共享概念，其中权值共享基本上有两种方法： 在同一特征图和不同通道特征图都使用共享权值，这样的卷积参数是最少的，例如上一层为30*30*40，当使用3*3...

赞(322)马春杰杰2019-05-05深度学习 去评论

如果把梯度下降法想象成一个小球从山坡到山谷的过程，那么前面几篇文章的小球是这样移动的：从A点开始，计算当前A点的坡度，沿着坡度最大的方向走一段路，停下到B。在B点再看一看周围坡度最大的地方，沿着这个坡度方向走一段路，再停下。确切的来说，这并...

赞(277)马春杰杰2019-05-04深度学习 去评论

最近想了解一些关于LSTM的相关知识，在进行代码测试的时候，有个地方一直比较疑惑，关于LSTM的输入和输出问题。一直不清楚在pytorch里面该如何定义LSTM的输入和输出。首先看个pytorch官方的例子： [crayon-69f6feb...

赞(218)马春杰杰2019-04-29深度学习 评论(2)

开局先祭出一张大神图： 比如我们有一张5*5*3的图作为输入，卷积核的尺寸为3*3，则卷积核的输入深度为3，这里的3对应着输入的3通道，卷积核的数量为2，则卷积核的参数应为：(3*3*3)*2。 卷积过程为，首先因为输入图像有3层，所以卷积...

赞(363)马春杰杰2019-04-28深度学习 去评论