阅读了一些深度学习和深信网络的论文后,我对它的工作原理有了基本的了解。但是最后一步仍然卡在分类步骤上。我在互联网上找到的大部分实现都涉及生成(MNIST数字)。
是否有一些说明(或代码)可用于使用DBN分类图像(最好是自然图像或对象)的地方?
此外,指向方向的一些指针将非常有帮助。
阅读了一些深度学习和深信网络的论文后,我对它的工作原理有了基本的了解。但是最后一步仍然卡在分类步骤上。我在互联网上找到的大部分实现都涉及生成(MNIST数字)。
是否有一些说明(或代码)可用于使用DBN分类图像(最好是自然图像或对象)的地方?
此外,指向方向的一些指针将非常有帮助。
实现
Caffe是深度卷积神经网络非常快的开源实现(比Krizhevsky等人的cuda-convnet更快)。Caffe代码相当容易阅读;基本上每种类型的网络层(例如卷积层、最大池化层等)都有一个C++文件。
现在人们开始在分类层中使用SVM。
深度学习正在自由和广泛地发展。