- 博客(5)
- 收藏
- 关注
RSS订阅转载 tensorflow学习笔记五：mnist实例--卷积神经网络(CNN）
mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的。但是CNN层数要多一些，网络模型需要自己来构建。程序比较复杂，我就分成几个部分来叙述。首先，下载并加载数据：import tensorflow as tf import tensorflow.examples.tutorials.mnist.input_data as input_datamnist
2016-11-18 13:15:06
426
转载 tensorflow学习笔记四：mnist实例--用简单的神经网络来训练和测试
刚开始学习tf时，我们从简单的地方开始。卷积神经网络（CNN）是由简单的神经网络（NN）发展而来的，因此，我们的第一个例子，就从神经网络开始。神经网络没有卷积功能，只有简单的三层：输入层，隐藏层和输出层。数据从输入层输入，在隐藏层进行加权变换，最后在输出层进行输出。输出的时候，我们可以使用softmax回归，输出属于每个类别的概率值。借用极客学院的图表示如下：
2016-11-18 13:13:57
436
转载 tensorflow学习笔记三：实例数据下载与读取
一、mnist数据深度学习的入门实例，一般就是mnist手写数字分类识别，因此我们应该先下载这个数据集。tensorflow提供一个input_data.py文件，专门用于下载mnist数据，我们直接调用就可以了，代码如下：import tensorflow.examples.tutorials.mnist.input_datamnist = input_data.rea
2016-11-18 13:13:22
1410
转载 tensorflow学习笔记二：入门基础
TensorFlow用张量这种数据结构来表示所有的数据。用一阶张量来表示向量，如：v = [1.2, 2.3, 3.5] ，如二阶张量表示矩阵，如：m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]，可以看成是方括号嵌套的层数。1、编辑器编写tensorflow代码，实际上就是编写py文件，最好找一个好用的编辑器，如果你用vim或gedit比较顺手，那也可以
2016-11-18 13:12:07
202
转载 tensorflow学习笔记一：安装调试
用过一段时间的caffe后，对caffe有两点感受：1、速度确实快; 2、 太不灵活了。深度学习技术一直在发展，但是caffe的更新跟不上进度，也许是维护团队的关系：CAFFE团队成员都是业余时间在维护和更新。导致的结果就是很多新的技术在caffe里用不了，比如RNN, LSTM，batch-norm等。当然这些现在也算是旧的东西了，也许caffe已经有了，我已经很久没有关注caffe的新
2016-11-18 10:04:21
227
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人