机器学习笔记1——深度学习的数据库和目前一些流行的软件
2016-07-28 16:49
369 查看
一、首先我先查阅了深度学习的数据库:
1、mnist手写字符库
2、cifar10(caffe.theano)数据集分为5个训练块和1个测试块,每个块有10000个图像。测试块包含从每类随机选择的1000个图像。训练块以随机的顺序包含这些图像,但一些训练块可能比其它类包含更多的图像。训练块每类包含5000个图像。类与类之间完全互斥。
airplane,automobile,bird,cat,deer,dog,frog,horse,ship,truck
3、cifar100(有python版,matlab版,和用于c++的二值化版本)
数据集包含100小类,每小类包含600个图像,其中有500个训练图像和100个测试图像。100类被分组为20个大类。每个图像带有1个小类的“fine”标签和1个大类“coarse”标签。
4、imagenet
大规模视觉识别挑战的识别任务之一便是对 1000 类、120 万张互联网图像进行分类。
物体检测是视觉挑战中最难的任务,它要求从四万张图像中准确检测到 200 类物体的具体位置,并且一幅图像往往包含多个不同类别的物体。
二、研究深度学习的库和软件
http://deeplearning.net/software_links/
1、mnist手写字符库
2、cifar10(caffe.theano)数据集分为5个训练块和1个测试块,每个块有10000个图像。测试块包含从每类随机选择的1000个图像。训练块以随机的顺序包含这些图像,但一些训练块可能比其它类包含更多的图像。训练块每类包含5000个图像。类与类之间完全互斥。
airplane,automobile,bird,cat,deer,dog,frog,horse,ship,truck
3、cifar100(有python版,matlab版,和用于c++的二值化版本)
数据集包含100小类,每小类包含600个图像,其中有500个训练图像和100个测试图像。100类被分组为20个大类。每个图像带有1个小类的“fine”标签和1个大类“coarse”标签。
Superclass | Classes |
aquatic mammals | beaver, dolphin, otter, seal, whale |
fish | aquarium fish, flatfish, ray, shark, trout |
flowers | orchids, poppies, roses, sunflowers, tulips |
food containers | bottles, bowls, cans, cups, plates |
fruit and vegetables | apples, mushrooms, oranges, pears, sweet peppers |
household electrical devices | clock, computer keyboard, lamp, telephone, television |
household furniture | bed, chair, couch, table, wardrobe |
insects | bee, beetle, butterfly, caterpillar, cockroach |
large carnivores | bear, leopard, lion, tiger, wolf |
large man-made outdoor things | bridge, castle, house, road, skyscraper |
large natural outdoor scenes | cloud, forest, mountain, plain, sea |
large omnivores and herbivores | camel, cattle, chimpanzee, elephant, kangaroo |
m b29d edium-sized mammals | fox, porcupine, possum, raccoon, skunk |
non-insect invertebrates | crab, lobster, snail, spider, worm |
people | baby, boy, girl, man, woman |
reptiles | crocodile, dinosaur, lizard, snake, turtle |
small mammals | hamster, mouse, rabbit, shrew, squirrel |
trees | maple, oak, palm, pine, willow |
vehicles 1 | bicycle, bus, motorcycle, pickup truck, train |
vehicles 2 | lawn-mower, rocket, streetcar, tank, tractor |
大规模视觉识别挑战的识别任务之一便是对 1000 类、120 万张互联网图像进行分类。
物体检测是视觉挑战中最难的任务,它要求从四万张图像中准确检测到 200 类物体的具体位置,并且一幅图像往往包含多个不同类别的物体。
二、研究深度学习的库和软件
http://deeplearning.net/software_links/
相关文章推荐
- Redis介绍
- [MDX]MDX与SQL的区别
- mysql sqlserver 分页查询
- Oracle登陆问题
- sql库连sql中间库连orcle库增删改查方案
- redis 持久化与备份策略
- Security
- SQL语言中where和having有什么区别?
- Redis之利用锁机制来防止缓存过期产生的惊群现象
- MySQL中两种备份方法的优缺点
- mysql 增加或删除表里的字段
- Oracle中varchar,varchar2,nvarchar,nvarchar2的区别
- 安装、备份、还原mongodb
- 漫谈数据库索引
- SQL优化:分页方法从top->row_number->offset的演化
- MySQL 高可用架构之MMM
- redis 安装 与 启动
- 修改mysql数据库编码
- Oracle trunc()函数的用法
- java调用oracle中输入参数是数组类型的函数或者存储过程