Image-to-Image Translation with Conditional Adversarial NetWorks　　这是加里福利亚大学在CVPR 2017上发表的一篇论文，讲的是如何用条件生成对抗网络实现图像到图像的转换任务。　　> 原文链接：https://arxiv.org/abs/1611.07004　　> 论文主页：https://phillip

　　上一篇博客《详解神经网络的前向传播和反向传播》推导了普通神经网络（多层感知器）的反向传播过程，这篇博客则讨论一下卷积神经网络中反向传播的不同之处。先简单回顾一下普通神经网络中反向传播的四个核心公式：...

本篇博客主要是基于花书（古德费洛的《Deep Learning》）和西瓜书（周志华的《机器学习》）撰写的，其中插入了博主的一些个人见解，如有不对之处希望大家指出来一起来讨论一下嘿嘿，万分感谢。什么是一个好的机器学习算法？　　我想我们可以先从这个问题开始：一个机器学习算法满足什么条件才能被称得上是一个好算法？　　机器学习的主要挑战是我们的算法必须能够在先前未观测到的新输入上表现良好，...

回顾过拟合　　上一篇博客《浅谈机器学习中的过拟合》对过拟合进行了比较详细的分析。过拟合是指学习时选择的模型所包含的参数过多，以至于出现这一模型对已知数据预测的很好，但对未知数据预测的很差的现象。过拟合的是由数据和模型两方面原因共同造成的，最直接防止过拟合的方法是无限增大训练集的大小，让训练集样本与真实数据分布尽可能接近，但这么做实在是不太现实，一是我们根本无从知晓数据真实分布是什么样，二来增加..

2017.5.29　　猫狗大战，tensorflow实现，超详细讲解

日期：2017.5.20导师让下周二之前用TensorFlow把MNIST跑通，今天看源码碰到这么一行，发现TensorFlow里面的求和函数和其他语言差别挺大，便记录下来。import tensorflow as tf...# 交叉熵评估代价cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indice

详解神经网络的前向传播和反向传播本篇博客是对Michael Nielsen所著的《Neural Network and Deep Learning》第2章内容的解读，有兴趣的朋友可以直接阅读原文Neural Network and Deep Learning。　　对神经网络有些了解的人可能都知道，神经网络其实就是一个输入XXX到输出YYY的映射函数：f(X)=Yf(X)=Yf(X)=Y，函...

  这篇论文是加里福利亚大学Richard Zhang发表在ECCV 2016上的文章，论文的工作是灰度图的自动着色，这里博主想要重点关注一下论文对颜色分布预测的工作，所以把一篇这么老的论文翻出来重新看。论文主页：http://richzhang.github.io/colorization/，东西比较全，论文，github，在线demo都有1. 论文贡献  用论文作者自己的话说，论文...

回顾过拟合　　上一篇博客《浅谈机器学习中的过拟合》对过拟合进行了比较详细的分析。过拟合是指学习时选择的模型所包含的参数过多，以至于出现这一模型对已知数据预测的很好，但对未知数据预测的很差的现象。过拟合的是由数据和模型两方面原因共同造成的，最直接防止过拟合的方法是无限增大训练集的大小，让训练集样本与真实数据分布尽可能接近，但这么做实在是不太现实，一是我们根本无从知晓数据真实分布是什么样，二来增加..

本篇博客主要是基于花书（古德费洛的《Deep Learning》）和西瓜书（周志华的《机器学习》）撰写的，其中插入了博主的一些个人见解，如有不对之处希望大家指出来一起来讨论一下嘿嘿，万分感谢。什么是一个好的机器学习算法？　　我想我们可以先从这个问题开始：一个机器学习算法满足什么条件才能被称得上是一个好算法？　　机器学习的主要挑战是我们的算法必须能够在先前未观测到的新输入上表现良好，...