深度学习笔记:稀疏自编码器(4)——稀疏自编码器代码练习
本文是ufldl稀疏自编码器教程中的练习,详细的练习要求参见Exercise:Sparse Autoencoder,笔者将练习中要求实现的三个文件代码记录在此,并作了详细的注释。
本文是ufldl稀疏自编码器教程中的练习,详细的练习要求参见Exercise:Sparse Autoencoder,笔者将练习中要求实现的三个文件代码记录在此,并作了详细的注释。
有了神经网络和反向传播的基础,我们就可以将其应用到稀疏自编码器中了。
本文是深度学习笔记的第二篇,上一篇文章《神经元与神经网络》中讲到了前向传播算法,本文中将介绍如何进行参数的优化,即用反向传导。
笔者在很久以前就已经学习过UFLDL深度学习教程中的稀疏自编码器,近期需要用到的时候发现有些遗忘,温习了一遍之后决定在这里做一下笔记。
本文是笔者在学习压缩感知算法之后的总结和整理。
由于研究需要,笔者在Win10下的VMware虚拟机中安装了CentOS6.5,但在CentOS的网络配置上却遇到了一些问题。在此将踩过坑之后的正确配置方法记录一下,希望能够帮助到一些同学。
本文为Windows(64位)+VS2013下的Caffe(CPU Only)安装配置过程记,并非安装教程。