- 博客(12)
- 资源 (22)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 提高模型性能的几种值得尝试的方法
在我们进行模型训练时，如果你只是想要让模型具有不错的性能，那么盲目地尝试网络架构足以达到目的。而在本文中， 我们将为你提供一套用于构建最先进深度学习模型的必备技术的快速指南，从而让模型由“具有不错的性能”上升到“性能卓越且满足我们的一些需要”。本文的叙述以及代码的编写时基于TensorFlow中Keras来进行表述的。
2020-07-23 12:44:04
2344
原创 处理文本数据的一些思路
文本是最常用的序列数据之一，可以理解为字符序列或单词序列，但最常见的是单词级处理。深度学习序列处理模型都可以根据文本生成基本形式的自然语言理解，并可用于文档分类、情感分析、作者识别甚至问答（QA，在有限的语境下）等应用。当然，目前我所接触的这些深度学习模型都没有像人类一样真正地理解文本，而只是映射出书面语言的统计结构，但这足以解决许多简单的文本任务。
2020-07-21 12:54:17
1442
原创 RNN的一些高级用法-以温度预测问题为例
RNN的神奇用的人都说话，不过在使用RNN的时候，还是需要知道一些技巧，有利于我们实现更符合预期的模型，本文将会介绍以下三种技巧。循环dropout（recurrent dropout）。这是一种特殊的内置方法，在循环层中使用dropout 来降低过拟合。堆叠循环层（stacking recurrent layers）。这会提高网络的表示能力（代价是更高的计算负 荷）。双向循环层（bidirectional recurrent layer）。将相同的信息以不同的方式呈现给循环网
2020-07-21 12:33:35
6669
4
原创 卷积神经网络实现数字识别
卷积神经网络接收形状为 (image_height, image_width, image_channels) 的输入张量（不包括批量维度）。本例中设置卷积神经网络处理大小为 (28, 28, 1) 的输入张量， 这正是 MNIST 图像的格式。我们向第一层传入参数 input_shape=(28, 28, 1) 来完成此设置。 我们来看一下目前卷积神经网络的架构。
2020-07-18 22:12:07
2584
原创 基于TensorFlow实现预测房价--回归问题
分类问题的目标是预测输入数据点所对应的单一离散的标签。另一种常见的机器学习问题是回归问题，它预测一个连续值而不是离散的标签，例如，根据气象数据 预测明天的气温，或者根据软件说明书预测完成软件项目所需要的时间。
2020-07-17 17:46:17
1550
原创 新闻分类--多分类问题，使用TensorFlow实现
构建一个网络，将路透社新闻划分为46 个互斥的主题。因为有多个类别，所以 这是多分类（multiclass classification）问题的一个例子。因为每个数据点只能划分到一个类别， 所以更具体地说，这是单标签、多分类（single-label, multiclass classification）问题的一个例 子。如果每个数据点可以划分到多个类别（主题），那它就是一个多标签、多分类（multilabel, multiclass classification）问题。
2020-07-17 17:33:25
2202
原创 使用TensorFlow解决电影评论分类--二分类问题
二分类问题可能是应用最广泛的机器学习问题。在这个例子中，你将学习根据电影评论的 文字内容将其划分为正面或负面。本节使用IMDB 数据集，它包含来自互联网电影数据库（IMDB）的50 000 条严重两极分 化的评论。数据集被分为用于训练的 25 000 条评论与用于测试的 25 000 条评论，训练集和测试 集都包含 50% 的正面评论和 50% 的负面评论。再此之前，先说说相关的流程定义。相关代码基于TensorFlow实现，你也可以只用Keras实现，整个项目就是围绕Keras进行开发的。
2020-07-17 17:27:57
1761
原创 神经网络的相关数据表示 - 概念说明
数据存储在多维Numpy 数组中，也叫张量（tensor）。一般来说，当前所有机器学习系统都使用张量作为基本数据结构。张量对这个领域非常重要，重要到Google 的 TensorFlow 都以它来命名。那么什么是张量？ 张量这一概念的核心在于，它是一个数据容器。它包含的数据几乎总是数值数据，因此它是数字的容器。你可能对矩阵很熟悉，它是二维张量。张量是矩阵向任意维度的推广（这里要特别提一下， 张量的维度（dimension）通常叫作轴（axis））。
2020-07-16 00:00:02
1026
原创 用三张图理解深度学习的工作原理
为了给出深度学习的定义并搞清楚深度学习与其他机器学习方法的区别，我们首先需要知道机器学习算法在做什么。我们有个大致的认识，给定包含预期结果的示例，机器学习将会发现执行一项数据处理任务的规则。
2020-07-15 22:42:07
1354
原创 统计学习方法的概括和补充
关于机器学习三要素，也有另外一种的解读：`模型，学习准则，优化算法`。这个定义比较接近代码。以Tensorflow为例。通常会定义一个网络(模型)，定义Loss(学习准则)，定义优化算法(Optimizer)，然后开Session，不停的把数据带入用Opitmizer去最小化Loss
2020-07-08 22:22:48
1483
1000道 互联网大厂Java工程师面试题(1)(1)(1).pdf
2020-04-03
Eclipse的Properties插件
2018-01-29
JSTL包和standrad包
2018-01-29
java API 1.8
2017-09-19
关于vs2010的使用问题，求助
2017-01-21
TA创建的收藏夹 TA关注的收藏夹
TA关注的人