- DL之CNN：关于CNN(卷积神经网络)经典论文原文(1950~2018)简介总结框架结构图(非常有价值)之持续更新(吐血整理) 导读 关于CNN，迄今为止已经提出了各种网络结构。其中特别重要的两个网络，一个是在1998 年首次被提出的CNN元祖LeNet，另一个是在深度学习受到关注的2012 年被提出的AlexNet。这两个神经网络架构，在整个计算机视觉... DL之CNN：关于CNN(卷积神经网络)经典论文原文(1950~2018)简介总结框架结构图(非常有价值)之持续更新(吐血整理) 导读 关于CNN，迄今为止已经提出了各种网络结构。其中特别重要的两个网络，一个是在1998 年首次被提出的CNN元祖LeNet，另一个是在深度学习受到关注的2012 年被提出的AlexNet。这两个神经网络架构，在整个计算机视觉...
- DL之CNN优化技术：卷积神经网络算法简介之特有的优化技术及其代码实现——im2col技术等技术 目录 im2col技术 im2col简介 im2col代码实现 im2col技术 im2col简介 1、im2col 的示意图 2、将滤波器的应用区域从头开始依次横向展开为1列 3、卷积运算的滤波器处理的细节：将滤波器纵向... DL之CNN优化技术：卷积神经网络算法简介之特有的优化技术及其代码实现——im2col技术等技术 目录 im2col技术 im2col简介 im2col代码实现 im2col技术 im2col简介 1、im2col 的示意图 2、将滤波器的应用区域从头开始依次横向展开为1列 3、卷积运算的滤波器处理的细节：将滤波器纵向...
- DL之CNN：卷积神经网络算法简介之原理简介——CNN网络的3D可视化(LeNet-5为例可视化) CNN网络的3D可视化 3D可视化地址：http://scs.ryerson.ca/~aharley/vis/conv/ 1、LeNet-5为例可视化 &... DL之CNN：卷积神经网络算法简介之原理简介——CNN网络的3D可视化(LeNet-5为例可视化) CNN网络的3D可视化 3D可视化地址：http://scs.ryerson.ca/~aharley/vis/conv/ 1、LeNet-5为例可视化 &...
- DL之CNN优化技术：学习卷积神经网络CNN的优化、调参实践、从代码深刻认知CNN架构之练习技巧 目录 卷积神经网络CNN调参学习实践 练习技巧 1、练习攻略一 2、VGG16练习攻略二 卷积神经网络CNN调参学习实践 DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functio... DL之CNN优化技术：学习卷积神经网络CNN的优化、调参实践、从代码深刻认知CNN架构之练习技巧 目录 卷积神经网络CNN调参学习实践 练习技巧 1、练习攻略一 2、VGG16练习攻略二 卷积神经网络CNN调参学习实践 DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functio...
- 来源：Medium 编译：weakish 编者按：Dave Smith使用Excel电子表格深入浅出地讲解了卷积神经网络（CNN）是如何识别人脸的。 当你入门的时候，可能觉得机器学习很复杂……甚至很可怕。另一方面，电子表格却很简单。电子表格并不酷炫，但却能避免分散你的注意力，同时帮助你以直观的方式可视化代码后面发生的事... 来源：Medium 编译：weakish 编者按：Dave Smith使用Excel电子表格深入浅出地讲解了卷积神经网络（CNN）是如何识别人脸的。 当你入门的时候，可能觉得机器学习很复杂……甚至很可怕。另一方面，电子表格却很简单。电子表格并不酷炫，但却能避免分散你的注意力，同时帮助你以直观的方式可视化代码后面发生的事...
- 今天给大家带来的是卷积神经网络，听上去是不是挺高大上的？它还有个更响亮的名字CNN，谈到CNN应该好多同学都略知一二吧，CNN在做图像识别上有着很出色的效果，那我们今天对卷积神经网络一探究竟吧！ 卷积神经网络，CNN（Convolutional Neural Network），属于深度学习技术的一种算法，主要是进行特征学习，通过分层网络获取分层次的特征信息去解决人... 今天给大家带来的是卷积神经网络，听上去是不是挺高大上的？它还有个更响亮的名字CNN，谈到CNN应该好多同学都略知一二吧，CNN在做图像识别上有着很出色的效果，那我们今天对卷积神经网络一探究竟吧！ 卷积神经网络，CNN（Convolutional Neural Network），属于深度学习技术的一种算法，主要是进行特征学习，通过分层网络获取分层次的特征信息去解决人...
- 本文提出了一种通用的实现方法卷积神经网络（CNN）构建框架设计实时CNN。创建实时面部检测视觉系统，实现性别分类和情绪分类。 其中：IMDB性别分类测试准确率：96％；fer2013情绪分类测试准确率：66％。 具体效果如下图： 这里提供下数据集下载： 1、情绪分类模型数据集：https://www.kaggle.com/c/challenges-in-repr... 本文提出了一种通用的实现方法卷积神经网络（CNN）构建框架设计实时CNN。创建实时面部检测视觉系统，实现性别分类和情绪分类。 其中：IMDB性别分类测试准确率：96％；fer2013情绪分类测试准确率：66％。 具体效果如下图： 这里提供下数据集下载： 1、情绪分类模型数据集：https://www.kaggle.com/c/challenges-in-repr...
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第3章，第3.3节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第3章，第3.3节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第3章，第3.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第3章，第3.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.12节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.12节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.10节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.10节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.9节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.9节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.7节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.7节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第2章，第2.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习之图像识别核心技术与案例实战》一书中的第1章，第1.2.1节，作者是言有三 。 本书摘自《深度学习之图像识别核心技术与案例实战》一书中的第1章，第1.2.1节，作者是言有三 。
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
即将直播
热门标签