- 博客(9)
- 资源 (5)
- 问答 (1)
- 收藏
- 关注
原创 深度学习 | 实战9- 参数正则化
Github源码要求参数正则化(一)要求:训练MNIST分类模型,比较不同学习率情况下,loss的收敛情况和实际精度acc的变化情况。比较添加参数正则化方法防止模型过拟合的效果。模型结构要求:使用如下全连接网络:def model(x): w1=tf.Variable(dtype=tf.float32, initial_value=np.random.rand(784,1500)...
2019-07-17 20:26:41 592
原创 深度学习 | 实战8 - 梯度截断
Github源码要求要求:在lenet MNIST分类中,应用梯度截断,使得梯度更新时,让每个变量的梯度分量保持在 min=-0.001, max=0.001的范围内。比较使用如上要求的梯度截断,和不使用梯度截断时,训练过程中,loss的变化情况。网络采用 lenet,batch size=8,iter=1000,每隔10步打印一次 mnist.validation.next_batch...
2019-07-17 19:06:59 1322
原创 深度学习 | 实战7- 连体网络MINIST优化
Github源码要求输入为两个MNIST图片,以及两者是否为相同数字的标签(0为相同数字,1为不同数字),输出为网络给出两者是否为同一数字的预测结果。网络结构可以自己设计。比如两层网络:hidden1:784(28x28)->500; hidden2: 500->10,使用relu。也可以尝试Lenet网络或其他结构。要求:1. 构建平衡测试集:(1)正例(同一数字对)、反例(...
2019-07-17 19:01:36 686
原创 深度学习 | 实战6-利用tensorboard实现卷积可视化
Github源码要求卷积可视化:在Lenet中,分别使用ReLU及sigmoid激活函数,观察不同情况下,Lenet学习MNIST分类时,参数的变化。并在最终训练好Lenet的情况下,观察分类操作前的最后一个全连接层fc2的84位特征向量,比较不同类型样本的fc2特征图。要求:提交代码,文档。文档包括可视化截图。(1)tensorboard可视化包括:loss, acc, w、b参数的...
2019-07-17 18:54:23 1297
原创 深度学习 | 实战5-用slim 定义Lenet网络,并训练测试
Github源码要求Slim Lenet用slim 定义Lenet网络,并训练测试。要求:将Lenet 单独定义到Lenet.py 文件可以定义为一个函数,例如:def lenet(images):用with slim.arg_scope …: 去管理 lenet中所有操作的默认参数, 例如activation_fn, weights_initializer, 等。。。...
2019-07-17 18:44:14 833
原创 深度学习 | 实战4-将LENET封装为class,并进行分类
Github源码要求将LENET封装为class,并用此封装好的lenet对minist进行分类。有关lenet定义请参考卷积网络课件最后2页;class封装的内容,请参考class封装课件1. lenet 结构如附件描述。注意:(1)lenet 输入为32x32,而minist为28x28,故需要先对数据进行填充,例如:import numpy as np#Pad images ...
2019-07-17 18:35:23 602
原创 深度学习 | 实战3-设计变量共享网络进行MNIST分类
Github源码要求设计变量共享网络进行MNIST分类:网络结构如图所示:其将图片样本分为上下两半X1,X2;分别送入input1,input2。后续的两个路径的线性加权模块 X_W=X*W 共享一个变量 name=‘w’整个分类模型可描述为 softmax( X_W(X1)+X_W(X2)+b)模型及流程可以参考我们课件part1上最后的那个一层全连接分MNIST的代码例子要求:...
2019-07-17 16:57:00 827
原创 深度学习 | 实战2-TensorFlow基础
GitHub源码要求假设有函数y = cos(ax + b), 其中a为学号前两位,b为学号最后两位。首先从此函数中以相同步长(点与点之间在x轴上距离相同),在0<(ax+b)<2pi范围内,采样出2000个点,然后利用采样的2000个点作为特征点进行三次函数拟合(三次函数形式为 y = w1 * x + w2 * x^2 + w3 * x^3 + b, 其中wi为可训练的权值,b...
2019-07-17 16:49:20 638
原创 深度学习| 实战1-python基本操作
GitHub源码要求设计python程序,首先安装并导入opencv库:例如:conda install opencvimport cv2然后使用cv2.imread()读取任意彩色图片为numpy矩阵,然后进行以下操作:(1) 将图片的三个通道顺序进行改变,由RGB变为BRG,并用imshow()或者matplotlib中的有关函数显示图片(2) 利用Numpy给改变通道顺序的图片...
2019-07-17 16:28:36 444
Simple_Rules_AI.pdf
2020-05-27
Hands-onPythonTutorial.pdf
2020-05-27
工程领域大数据和人工智能原则.pdf
2020-05-27
TA创建的收藏夹 TA关注的收藏夹
TA关注的人