- 博客(10)
- 收藏
- 关注
RSS订阅原创 吴恩达团队 Tensorflow课程学习笔记 5-----多分类问题
最后一节学习多分类的案例-----剪刀，石头，布数据相关⑴目录设置每个子目录下都有三种类别: 石头、布、剪刀 .⑵数据集这里有一个新的数据集----包含约3000张图像，它们都是使用具有多种模型的CGI产生的(有男性的，女性的，还有许多不同肤色的)，它们都是以白色为背景，分辨率为300×300，下面给出了一些示例.数据集链接上面给出的数据集链接里包含了训练集，验证集，以及测试集.⑶获取数据有两个zip文件----训练集和测试集!wget --no-check-certificat
2020-07-16 09:23:41
340
2
原创 吴恩达团队 Tensorflow课程学习笔记 4-----dropout
keras中还有另一种层----dropout1. 原理简介⑴问题分析神经网络中的层可能具有相似的权重，也有可能相互影响，从而导致过拟合 .像这样的复杂模型，存在这样的风险 .⑵添加dropout通过删除一些节点，使它看起来如下图，这样会使得节点相互之间影响不太大，可能消除过拟合 .2. 模型搭建⑴模型总体from tensorflow.keras.optimizers import RMSprop# Flatten the output layer to 1 dimension
2020-07-15 14:48:34
211
原创 吴恩达团队 Tensorflow课程学习笔记 2-----图像增强
图像增强train_datagen = ImageDataGenerator(rescale=1./255)之前学的图像生成器就有图像增强的功能，上面代码中已经完成了一点图像增强的功能----图像加载的时候就可以完成重新缩放train_datagen = ImageDataGenerator( rescale=1./255, rotation_range=40, width_shift_range=0.2, height_shift_range=0.2
2020-07-14 17:28:32
519
原创 吴恩达团队 Tensorflow课程学习笔记 1
kaggle上的猫狗识别分类比赛导读下载图像集简介下载结果文件解压设置目录目录分布查看图片路径查看图片数量图像可视化搭建神经网络导入Tensorflow定义模型打印摘要编译模型生成器模型训练模型测试可视化卷积中间结果图评估模型的精确度和损失下载图像集简介图像集来自于kaggle的猫狗大赛的数据集，可以直接下载，为了方便学习，只用了其中的一部分。它们存储为zip文件，其中包含3000张图片，我们将其中的2000张用于训练，1000张用于测试!wget --no-check-certificate \
2020-07-11 22:23:11
360
原创 吴恩达团队 Tensorflow课程学习笔记 6
两个trick将验证集放入训练中下载数据集，包括单独的验证集!wget --no-check-certificate \ https://storage.googleapis.com/laurencemoroney-blog.appspot.com/horse-or-human.zip \ -O /tmp/horse-or-human.zip!wget --no-check-certificate \ https://storage.googleapis.com/laure
2020-07-10 11:53:29
208
原创 吴恩达团队 Tensorflow课程学习笔记 5
数据集不均匀的情况(更接近实际情况)Tensorflow中的图片生成器特性指向一个目录，然后它的子目录自动生成标签图片考虑这个目录结构图像目录下有训练和验证的子目录，当把马和人的子目录放在这些目录中，并在其中存储必要图像时，图片生成器可以为这些图片创建一个Feeder，并且为你自动标记例如，在训练目录指向一个图片生成器，标签将是马和人，并且每个目录中的图片将会加载并且相应标记实例化一个生成器from tensorflow.keras.preprocessing.imageimport I
2020-07-09 20:48:50
313
原创 吴恩达团队 Tensorflow课程学习笔记 4
import cv2import numpy as npfrom scipy import misci = misc.ascent() #返回一张很好的图像
2020-07-09 12:04:50
208
原创 吴恩达团队 Tensorflow课程学习笔记 3
model = tf.keras.models.Sequential([tf.keras.layers.Conv2D(64,(3,3),activation='relu', input_shape=(28,28,1)),tf.keras.layers.MaxPooling2D(2,2),tf.keras.layers.Conv2D(64,(3,3),activation='relu'),tf.keras.layers.MaxPooling2D(2,2),
2020-07-01 15:39:09
296
2
原创 吴恩达团队 Tensorflow课程学习笔记 2
Fashion MNIST简介• 70k images• 10 categories• Images are 28×28• Can train a neural net• 60k作为训练数据，10k作为测试数据• Fashion MNIST在Tensorflow里作为一个有API的数据集存在import tensorflow as tffrom tensorflow import kerasfashion_mnist = keras.datasets.fashion_mnis
2020-07-01 15:38:26
392
3
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