深度學習——卷積學習部分資料彙總
導言
1. 關於卷積的一個血腥的講解:https://blog.csdn.net/aa578232405/article/details/74839554
網址
1.視覺化工具
http://scs.ryerson.ca/~aharley/vis/conv/
2.tesnsorflow的中文文件
http://wiki.jikexueyuan.com/index.php/project/tensorflow-zh/
3.cs231n
1.
(對cs231n的介紹:https://blog.csdn.net/tMb8Z9Vdm66wH68VX1/article/details/78537000?locationNum=1&fps=1)
2.中文視訊網址:
4.一個csdn博主的
https://blog.csdn.net/csuyzt/article/details/81839388
(注:沒仔細看這個部落格,看著很全,理論也很紮實,但是我只是為了去找一個視訊,一個從零開始不基於任何框架的,實現卷積的視訊,或者程式碼也好,當然,最最本質的是,我想理清楚,反向傳播在卷積到底怎麼搞的.......,雖然這篇文章裡面看著也有理論的反向傳播,但是......我還是找找有沒有其他更加平民化的)
5.另一個部落格
https://www.cnblogs.com/pinard/p/6494810.html
(部落格下面的參考連線也很值得收藏)
視訊
1.嗶哩嗶哩(需要有基礎):
https://www.bilibili.com/video/av6712708?from=search&seid=2246297388143558098
(視訊對應github倉庫:https://github.com/CreatCodeBuild/TensorFlow-and-DeepLearning-Tutorial)
(b站對應up主的視訊:https://space.bilibili.com/16696495/#/channel/detail?cid=1588)
More
1.神經網路的反向傳播(http://www.cnblogs.com/charlotte77/p/5629865.html)
(注:找卷積的時候找出來了,看著不錯,沒有細看,因為我大致知道原理.......,自己推導的話需要下功夫。而且突然發現一個很神奇的事情,數學中很多公式都是有推導和證明的,而我們都習慣拿來就用,記結論,忘了過程,反向傳播也是如此。)