深度学习网络
对于图片描述网络的构建 Rnn网络的隐层与隐层之间是全连接的
自编码器
输出的目标是和输入一样 让输出逼近输入的过程
- 对于pca方法选择k的个数是看特征值的比重
-
对于一幅图像将所有像素值加起来求均值然后减去均值的意义是：图像的内容与图像平均亮度无关 做图像pca处理时使用该方法去均值
- 对于softmax分类和logistic分类 如果分出来的类是互斥的则用softmax不互斥用logistic
栈式自编码算法
一般用于解决小图像小图块的识别
由多层的自编码网络组成 每层网络单独训练以输入等于输出为目的完成训练后得到隐藏层的输出 （除输入和输出层外以隐藏层的输出作为输入） 栈式自编码网络每层都具有学习特征的能量层数的加深学习到的特征会越来越深刻
线性解码器
对于上述的自编码器输出层的激励函数时sigmoid函数或者tanh函数 在训
练时需要将输入也同样放在（0,1）或者（-1,1）范围内 但是有些数据缩
放起来并不会有好的效果，所以采用线性解码器：输出层的激活函数为f(x)
=x。这样可以实现用实值输入训练网络
隐含层任然用sigmoid，或者tanh函数做激活函数
FEATURED TAGS
c语言
c++
面向对象
指针
容器
python
函数
数据结构
回归
损失函数
神经网络
机器学习
似然函数
极大似然
标准化
深度学习
卷积网络
参数估计
beta分布
数据处理
gradio
模型工程化
网页
模型加速工具
c++实现
变量
占位符
tensorflow
线性回归
学习tensorflow
HMM
RNN
强化学习
LSTM
pandas
不定长序列损失
pytorch
目标检测
RPN
非极大值抑制
ROIpooling
VGG16
Transformer
BERT
Python
装饰器
方法
Pytorch
FPN
图像分类
CNN
多模态
生成
GPT
Tranformer
生成模型
audio
