- 博客(5)
- 收藏
- 关注
RSS订阅转载 卷积核输出特征图大小的计算
先讲一下是怎么卷积的。一般输入的是RGB颜色空间的图片，即有三个通道。可以理解为这三个通道的每个对应的数值组合在一起表示了这一张图片。卷积操作过程：（通道数变化的原理）先从一张示意图说起，卷积基础概念和操作步骤就不啰嗦了，只讲这张图，大意就是，有in-channel，有out-channel，你需要把in-channel都做卷积操作，然后产出out-channel，所以这个w是要...
2019-09-07 09:40:00
2309
转载 训练神经网络调超参的总结
train loss与test loss结果分析：train loss 不断下降，test loss不断下降，说明网络仍在学习;train loss 不断下降，test loss趋于不变，说明网络过拟合;train loss 趋于不变，test loss不断下降，说明数据集100%有问题;train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习...
2019-09-05 10:29:00
731
转载 TensorFlow 之 Summary 的用法
summary是TensorFlow可视化的工具，主要用到以下函数：1、tf.summary.scalar() 2、 tf.summary.merge_all()3、tf.summary.FileWriter()tf.summary.scalar('loss', loss) ## 用来搜集 loss 的数据，命名为 'loss'merge_summary = tf.su...
2019-08-11 11:28:00
777
转载 TensorFlow的数据读取方法
Tensorflow一共提供了3种读取数据的方法：第一种方法个人感觉比较麻烦：在TensorFlow程序运行的每一步， 让Python代码来供给数据，比如说用PIL和numpy处理数据，然后输入给神经网络。第二种方法：从文件读取数据，在TensorFlow图的起始， 让一个输入管线从文件中读取数据：string_input_producer()和slice_input_producer(...
2019-08-11 09:36:00
230
转载 TensorFlow实现Softmax
我们先来理解理解Softmax：任意事件发生的概率都在 0 和 1 之间，且总有某一个事件发生 （概率的和为1）。如果将分类问题中“一个样例属于某一个类别”看成一个概率事件，那么训练数据的正确答案就符合一个概率分布。因为事件“一个样例属于不正确的类别”的概率为0,而“ 一个样例属于正确的类别”的概率为 1。如何将神经网络前向传播得到的结果也变成概率分布呢？ Softmax 回归...
2019-08-10 11:16:00
211
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