本教程创建一个小的神经网络用于手写字符的识别.我们使用MNIST数据集进行训练和测试.这个数据集的训练集包含60000张来自500个人的手写字符的图像,测试集包含10000张独立于训练集的测试图像.你可以参看本教程的Ipython notebook. 本节中,我们使用CNN的模型助手来创建网络并初始化参数.首先import所需要的依赖库. %matplotlib inline from matplotlib import pyplot import numpy as np import os i
手写单字体的识别,在看过卷积神经网络的mnist例子之后,很容易实现,那么如何实现多字体的同时识别呢? 如下图 LeCun大神所用的是SDNN space displacement neural network,这是什么鬼? 经过一番查询之后,原来它就是滑动窗口+图像金子塔+NMS,2015年yahoo的一篇论文 Multi-view Face Detection using deep convolutional Neural Networks 用的也是这种方法 参考页面:https://www
手写new 看一下正常使用new function Dog(name){ this.name = name } Dog.prototype.sayName = function(){ console.log(this.name) } var dog = new Dog('小狗') dog.sayName() 结果为小狗 自己手写的new function Dog(name){ this.name = name } Dog.prototype.sayName = function(){ conso
jsoncat: 仿 Spring Boot 但不同于 Spring Boot 的一个轻量级的 HTTP 框架 国庆节的时候,我就已经把 jsoncat 的 IoC 功能给写了,具体可以看这篇文章<手写"SpringBoot"近况:IoC模块已经完成> . 今天这篇文章就来简单分享一下自己写 IoC 的思路与具体的代码实现. IoC (Inverse of Control:控制反转) 和 AOP(Aspect-Oriented Programming:面向切面编程) 可以说