深度学习
文章平均质量分 97
Asia-Lee
计算机视觉,自然语言处理,深度学习等
展开
-
PyTorch图像分类
目录一、torch和torchvision1、torchvision.datasets2、torchvision.models3、torchvision.transforms4、torchvision.utils二、MNIST手写数字识别1、获取MNIST训练集和测试集2、数据装载3、数据预览4、构建卷积神经网络模型5、对模型进行训练和参数优化6、对...原创 2020-01-15 11:50:58 · 11835 阅读 · 5 评论 -
PyTorch基础学习总结
目录一、PyTorch中的Tensor张量1、Tensor张量2、Tensor数据类型3、Tensor常用函数二、基于PyTorch搭建简易神经网络模型1、简易神经网络模型2、Pytorch自动梯度3、使用自动梯度和自定义函数搭建简易神经网络模型三、torch.nn和torch.optim1、使用torch.nn搭建神经网络模型2、使用torch.opt...原创 2020-01-14 21:38:12 · 3405 阅读 · 1 评论 -
Linux环境下编译TensorFlow C++ API和测试方法总结(完美版)
目录前言1、软件下载2、不同平台版本对应要求3、环境配置4、配置TensorFlow安装选项5、使用bazel进行编译生成动态库6、编译其他依赖7、测试一:简单测试编译好的TensorFlow C++ API8、测试二:Tensorflow C++ API调用Python预训练模型前言TensorFlow C++ API的编译是线上使用TensorFlo...原创 2019-09-20 19:58:21 · 14338 阅读 · 11 评论 -
基于TensorFlow的CNN实现Mnist手写数字识别
目录一、CNN模型结构二、代码实现三、TensorFlow主要函数说明1、卷积层2、池化层一、CNN模型结构输入层:Mnist数据集(28*28) 第一层卷积:感受视野5*5,步长为1,卷积核:32个 第一层池化:池化视野2*2,步长为2 第二层卷积:感受视野5*5,步长为1,卷积核:64个 第二层池化:池化视野2*2,步长为2 全连接层:设置1024个神...原创 2018-05-26 12:38:03 · 11235 阅读 · 8 评论 -
TensorFlow可视化工具TensorBoard的使用
目录1、TensorBoard简介2、TensorBoard数据形式3、TensorBoard启动4、使用命名空间整理计算图5、TensorBoard使用流程6、TensorFlow可视化分类7、TensorFlow可视化MNIST手写数字识别1、TensorBoard简介Tensorboard是TensorFlow官方推出了可视化工具,它可以通过TensorF...原创 2018-05-05 08:50:43 · 1810 阅读 · 0 评论 -
基于TensorFlow的DNN和LSTM实现MNIST手写数字识别
目录一、MNIST数据集介绍和下载二、Softmax回归函数介绍三、基于TensorFlow的DNN实现MNIST手写数字识别1、简单神经网络实现MNIST手写数字识别2、深度神经网络实现MNIST手写数字识别四、LSTM长短期记忆神经网络实现Mnist手写数字识别一、MNIST数据集介绍和下载MNIST是一个入门级的计算机视觉数据集,MNIST数据集下载下载下...原创 2018-04-27 10:49:53 · 1832 阅读 · 1 评论 -
TensorFlow基础
目录一、TensorFlow安装二、TensorFlow入门1、TensorFlow基本概念2、TensorFlow基本操作三、TensorFlow实现线性回归算法1、TensorFlow实现单变量线性回归2、TensorFlow实现线性回归并绘图四、TensorFlow实现神经网络1、TensorFlow实现神经网络向前传播算法2、TensorFlow训练...原创 2018-04-19 19:34:03 · 1509 阅读 · 0 评论 -
BP神经网络
目录1、BP(Back propagation)神经网络描述2、BP神经网络的向前传播3、BP神经网络的代价函数(损失函数)4、BP神经网络的反向传播5、BP神经网络优化过程总结6、BP神经网络的进一步优化1、BP(Back propagation)神经网络描述(1)BP(反向传播(Back Propagation))神经网络是一种按照误差逆向传播算法训练的多层前馈...原创 2018-05-02 15:15:21 · 4406 阅读 · 1 评论 -
CNN卷积神经网络
目录一、BP神经网络回顾二、CNN卷积神经网络1、CNN的主要概述2、CNN的一般结构三、CNN卷积神经网络的应用四、常见的CNN卷积神经网络一、BP神经网络回顾人工全连接神经网络(1)每相邻两层之间的每个神经元之间都是有边相连的(2)当输入层的特征维度变得很高时,这时全连接网络需要训练的参数就会增大很多,计算速度就会变得很慢传统神经网络存在的...原创 2018-05-26 09:49:50 · 16186 阅读 · 0 评论