文件名称：用卷积滤波器matlab代码-ConvNet:从https://github.com/sdemyanov/ConvNet克隆
文件大小：40.95MB
文件格式：ZIP
更新时间：2024-06-10 06:35:36
系统开源
用卷积滤波器matlab代码版权所有（C）2014 Sergey Demyanov 接触： !!! 重要更新！！！ GPU版本现已上市！ !!! 然而 ！！！ 当前，它仅在计算能力> = 3.0的设备上起作用 该库已作为我的面部表情分析项目的一部分而编写。 它包含用于Matlab的卷积神经网络的实现，用Matlab，C ++和CUDA编写，用于CPU和GPU处理。 所有版本均相同。 GPU版本使用Alex Krizhevsky库中的内核，因此速度非常快。 在某些情况下，它比CPU版本快400倍。 一般信息 卷积神经网络是一种深度学习分类算法，可以自己从原始数据中学习有用的功能。 学习是通过调整其权重来进行的。 CNN由几层组成，通常是彼此相继的卷积层和子采样层。 卷积层使用较小的权重矩阵对其输入进行过滤，并对结果应用一些非线性函数。 二次采样层不包含权重，而是通过平均最大池化操作来简单地减小其输入的大小。 最后一层通过权重与上一层的所有输出完全连接。 输出也可以通过非线性函数进行修改。 如果您的神经网络仅由完全连接的层组成，那么您将获得经典的神经网络。 学习过程包括2个步骤：向前和向后
【文件预览】：
ConvNet-master
----matlab()
--------logsumexp.m(2KB)
--------cnnsetup.m(5KB)
--------setparams.m(795B)
--------getweights.m(2KB)
--------setweights.m(2KB)
--------softder.m(157B)
--------shrink.m(627B)
--------soft.m(127B)
--------flipall.m(86B)
--------normalize.m(342B)
--------cnntrain_mat.m(2KB)
--------genweights_mat.m(135B)
--------filtn.m(70B)
--------forward.m(5KB)
--------initder.m(756B)
--------calcweights.m(2KB)
--------initact.m(142B)
--------sigm.m(74B)
--------updateweights.m(3KB)
--------backward.m(4KB)
--------stretch.m(804B)
--------maxscale.mexw64(10KB)
--------maxscale.cpp(3KB)
--------initnorm.m(410B)
--------classify_mat.m(529B)
--------expand.m(2KB)
--------uniq.m(440B)
----.gitattributes(483B)
----genweights.m(314B)
----cnnexamples.m(3KB)
----cnntest.m(329B)
----cnntrain.m(608B)
----README.md(15KB)
----compile.m(4KB)
----data()
--------mnist.mat(29.51MB)
----c++()
--------genweights_mex.cpp(1KB)
--------VS2012.zip(993KB)
--------cuda()
--------build()
--------sources()
--------Makefile(2KB)
--------classify_mex.cpp(1KB)
--------cnntrain_mex.cpp(1KB)
--------include()
----.gitignore(3KB)
----cnnclassify.m(529B)