在深度学习中经常听闻Bottleneck Layer 或 Bottleneck  Features ，亦或 Bottleneck Block，其虽然容易理解，其意思就是输入输出维度差距较大，就像一个瓶颈一样，上窄下宽亦或上宽下窄，然而其正儿八经的官方出处没有一个能说出其所以然来，下面本文将对Bottleneck Layer 或 Bottleneck  Features ，亦或 Bottleneck

计算机视觉三大顶会，如CVPR,ICCV,ECCV，其文章一般都是开源open access，目前CvF(Computer Vision Foundation) open access支持CVPR与ICCV，具体下载方法如下：1. 点击进入CvF2. 由CvF可以看到支持的会议及年份，如下。直接点击上图中的"Main Conference"即可进入论文下载列表，若不能进入下载...

深度信念网络，DBN，Deep Belief Nets，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。从非监督学习来讲，其目的是尽可能地保留原始特征的特点，同时降低特征的维度。从监督学习来讲，其目的在于使得分类错误率尽可能地小。而不论是监督学习还是非监督学习，DBN的本质都是Feature Learning的过程，即如何得到更好的特征表达。

论文地址：Fast R-CNN代码地址：rbgirshick/fast-rcnnFast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略：1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网

为了跑深度学习，自己年后动手组装了一台台式机，这里详细记录组装的过程和遇到的问题及解决方案。首先是主要配件的购买。西面是组装电脑需要购买的几大组件，如下表所示：上述组件根据目前的市场价格会有所浮动，风扇集线器买了两个，一个即可，航嘉MVP2只能安装5个风扇，多余了一个风扇。下面是具体的组装过程：1. 打开主板CPU套装后，把CPU安装到主板即可，安装CPU时有箭头指示安装方向，将CPU...

一般我们所指的利用一些软件，如本文的Universal USB Installer，及UltraIso和PuPPy Linux等软件制作安装盘，尤其针对Windows系统而言，指的就是光盘镜像文件刻录到U盘以替代光盘的作用，而针对Linux系统而言，还有另外一层意思，就是移动的系统，也就是把系统安装进U盘，注意这只是针对开源操作系统而言的，免费也就意味着不需要一台机器上必须安装固定的带有独立版权号

在深度学习中，特征的归一化起到至关重要的作用，甚至比本身所提出的方法更重要。比如相关滤波（Correlation Filters）的输出结果，协方差矩阵等，若不经过合适的归一化方法，其作为特征表示的最终结果（Performance）将会很差。下面介绍在深度学习中常用的特征归一化（Normalized Features）方法如下：按照大类划分的话可大致分为如下两类：1. Soft Nor...

深度信念网络，DBN，Deep Belief Nets，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。从非监督学习来讲，其目的是尽可能地保留原始特征的特点，同时降低特征的维度。从监督学习来讲，其目的在于使得分类错误率尽可能地小。而不论是监督学习还是非监督学习，DBN的本质都是Feature Learning的过程，即如何得到更好的特征表达。

知乎来源：https://zhuanlan.zhihu.com/p/27539515作为新入DL的新手，前段时间突然在翻看论文的时候翻到了CycGAN，觉得很是眼前一亮呀——训练一个风格转换器，不需要打label，甚至都不需要把训练数据进行配对，满满的幸福感。最先我是看到的CycleGAN，但是后续发现DiscoGAN与DualGAN论文似乎并无太大差别，他们的idea其实都是差不多的，模...

非监督神经网络的wake-sleep算法可以用来Fine tuning DBNs，该算法主要分为两个阶段，即"wake"阶段与"sleep"阶段，其中"wake"阶段用来学习生成权重（generative weights），"sleep"阶段用来学习识别权重（recognition weights）。一. 原理识别权重与生成权重分别对应DBNs的编码（encoder）与解码（decoder