conv-neural-network
-
FInetuning（回归）时自定义损失函数 Caffe（Spearman 系数）
-
随机裁剪数据增强卷积神经网络
-
将 Conv2DLayer 与 lasagne NeuralNet 一起使用时出错
-
Caffe中输入人工特征的单标签回归（微调）
-
预训练如何改进神经网络中的分类？
-
3D 坐标作为神经网络的输出
-
增加或减少增加神经元或权重的学习率？
-
Caffe 中的多个预训练网络
-
有没有什么技巧可以提前知道需要多少训练样例才能让深度学习获得好的性能？
-
CNN 中局部层和密集层的区别
-
tensorflow.equal() op 上的形状不兼容以进行正确的预测评估
-
Caffe：如何训练端到端（图像到图像）？
-
Tensorflow 卷积神经网络 - 使用小型数据集进行训练，对图像应用随机更改
-
卷积神经网络中特征图的过滤器
-
使用 lmdb 进行 caffe 多标签训练以对面部区域进行分类
-
这段代码的输出是什么意思？
-
可重用的 Tensorflow 卷积网络
-
可视化张量流中卷积层的输出
-
通过跨通道局部响应归一化 (LRN) 层的反向传播算法
-
咖啡 | solver.prototxt 价值观设定策略