Yusuke Sugomori 的 C 语言 Deep Learning 程序解读
2015-07-09 16:17
477 查看
最近开始在学习 Deep Learning 的基础知识,找了些文献来读,觉得有些晦涩。目前对于 DBN 的算法框架已经有个大概了解,但具体实现细节还不是太清楚,在网上搜到了日本学者 Yusuke Sugomori 在
Github 上的一个 deeplearning 项目,认真读了其 C 语言的版本,感觉收获蛮大,特将程序翻译成数学描述,希望对正在读或者将要读这个代码的朋友有些帮助。
注意,本文只是客观翻译程序,并作一些相关的评注,个人觉得这个程序与目前流行的 DBN 算法有较大差别,不能直接用来实战。学习 Deep Learning 的朋友可将其作为入门,特别是用来理解 Contrastive Divergence 和 Gibbs Sampling 比较有帮助。
补充:
文中描述的算法在框架上问题不大,但在一些细节处理上可能有些问题,例如,关于 RBM 中的参数刷新公式, fine-tuning 过程中并没有将之前的层联级微调等,望读者知晓。另外,关于 RBM 算法,我后来又花了点功夫学习了一下,并整理成系列博客(见下面的链接),供大家参考。
目录链接
(一)预备知识
(二)网络结构
(三)能量函数和概率分布
(四)对数似然函数
(五)梯度计算公式
(六)对比散度算法
(七)RBM 训练算法
(八)RBM 的评估
作者: peghoty
出处: http://blog.csdn.net/peghoty/article/details/9079973
欢迎转载/分享, 但请务必声明文章出处.
Github 上的一个 deeplearning 项目,认真读了其 C 语言的版本,感觉收获蛮大,特将程序翻译成数学描述,希望对正在读或者将要读这个代码的朋友有些帮助。
注意,本文只是客观翻译程序,并作一些相关的评注,个人觉得这个程序与目前流行的 DBN 算法有较大差别,不能直接用来实战。学习 Deep Learning 的朋友可将其作为入门,特别是用来理解 Contrastive Divergence 和 Gibbs Sampling 比较有帮助。
补充:
文中描述的算法在框架上问题不大,但在一些细节处理上可能有些问题,例如,关于 RBM 中的参数刷新公式, fine-tuning 过程中并没有将之前的层联级微调等,望读者知晓。另外,关于 RBM 算法,我后来又花了点功夫学习了一下,并整理成系列博客(见下面的链接),供大家参考。
目录链接
(一)预备知识
(二)网络结构
(三)能量函数和概率分布
(四)对数似然函数
(五)梯度计算公式
(六)对比散度算法
(七)RBM 训练算法
(八)RBM 的评估
作者: peghoty
出处: http://blog.csdn.net/peghoty/article/details/9079973
欢迎转载/分享, 但请务必声明文章出处.
相关文章推荐
- mongo Aggregation group
- Algorithms—56.Merge Intervals
- Dragon of Loowater
- [Algorithm] 字符串匹配算法——KMP算法
- 使用if和goto语句构造循环
- Algorithms—54.Spiral Matrix
- 你所不知道的Google广告阴暗面
- mongo 中 高级查询之 group
- golang
- POJ2762 Going from u to v or from v to u? 强连通+缩点
- 极课 good
- Algorithms—53.Maximum Subarray
- Google Volley 解析参考文章
- 算法基础:正整数指定规则排序问题(Golang实现)
- win7配置go环境
- iphone 开发Categories 、Extensions 区别 --转
- Algorithms—50.Pow(x, n)
- CodeForces 228E The Road to Berland is Paved With Good Intentions (2-Sat)
- Siri变得越来越像Google Now
- VIEWGOOD(远古)建立区域性教育资源公共平台的解决方案