keras实现deepid:flatten中间层、merge多个层次、二维图像的处理、权重的保存与重用、Autoencoder
2016-06-01 21:53
916 查看
论文参考:Sun Y, Wang X, Tang X. Deep learning face representation
from predicting 10,000 classes[C]//Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014: 1891-1898.
参考这个:https://github.com/stdcoutzyx/DeepID_FaceClassify/blob/master/README_ch.md
由于上面链接使用的theano,所以修改成了keras代码试了一下。
主要学习使用了:
Convolution2D
MaxPooling2D
Flatten
Input
merge
功能主要包括:
构建网络结构(flatten中间层、merge多个层次、二维图像的处理)
网络训练(权重的保存与重用、earlyStop的使用)
获取中间层的输出
之前还研究了一下:
sequence、graph
Autoencoder
一并记录一下
源码就不贴了,太挫。
from predicting 10,000 classes[C]//Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014: 1891-1898.
参考这个:https://github.com/stdcoutzyx/DeepID_FaceClassify/blob/master/README_ch.md
由于上面链接使用的theano,所以修改成了keras代码试了一下。
主要学习使用了:
Convolution2D
MaxPooling2D
Flatten
Input
merge
功能主要包括:
构建网络结构(flatten中间层、merge多个层次、二维图像的处理)
网络训练(权重的保存与重用、earlyStop的使用)
获取中间层的输出
之前还研究了一下:
sequence、graph
Autoencoder
一并记录一下
源码就不贴了,太挫。
相关文章推荐
- Autoencoder的C++代码(带注释)。
- Deep Learning模型之:AutoEncoder自编码器
- Stacking Autoencoders VS Stacking RBMs
- Stacking Autoencoders VS CDBN
- Stacking Autoencoders vs DBN
- Stacking Denoised Autoencoders 涉及到的基本概念
- Training a deep autoencoder or a classifier on MNIST digits_之调试运行与理解
- DLT(deep learning tracker)解析
- Matlab图像识别/检索系列(5)—10行代码完成深度学习网络之CNN/Autoencoder
- autoencoder
- Denosing Autoencoder训练过程代码详解
- 自编码算法与稀疏性(KL散度诱导稀疏)
- 读书笔记:Deep Learning [Ada-Computation&ML series]--chapter 14.Autoencoder
- tensorflow 自编码器
- 深度学习算法实践14---去噪自动编码机(dA)的Theano实现
- 深度学习算法实践13---去噪自动编码机(Denosing Autoencoder)
- 【DL笔记】AutoEncoder详解
- 基于TensorFlow实现AutoEncoder
- 机器学习基础——降维
- 深度自编码器原理