- 博客(34)
- 收藏
- 关注
RSS订阅转载 TensorFlow2.0教程28：自动求导
这节我们会介绍使用tensorflow2自动求导的方法。 一、Gradient tapes tensorflow 提供tf.GradientTape api来实现自动求导功能。只要在tf.GradientTape()上下文中执行的操作，都会被记录与“tape”中，然后tensorflow使用反向自动微分来计算相关操作的梯度。 x = tf.ones((2,2))...
2019-09-25 14:53:00
313
转载 Tensorflow2.0教程27：自定义层
一、网络层layer的常见操作 通常机器学习模型可以表示为简单网络层的堆叠与组合，而tensorflow就提供了常见的网络层，为我们编写神经网络程序提供了便利。 TensorFlow2推荐使用tf.keras来构建网络层，tf.keras来自原生keras，用其来构建网络具有更好的可读性和易用性。 如，我们要构造一个简单的全连接网络，只需要指定网络的神经元个数 ...
2019-09-25 14:46:00
335
转载 TensorFlow2.0教程26：张量及其操作
导入TensorFlow 运行tensorflow程序，需要导入tensorflow模块。 从TensorFlow 2.0开始，默认情况下会启用eager模式执行。 这为TensorFlow提供了一个更加互动的前端节。 from __future__ import absolute_import, division, print_function import...
2019-09-19 15:59:00
306
转载 TensorFlow 2.0 教程25：Transformer
这里我们将实现一个Transformer模型，将葡萄牙语翻译为英语。Transformer的核心思想是self-attention–通过关注序列不同位置的内容获取句子的表示。 Transformer的一些优点： 不受限于数据的时间/空间关系 可以并行计算 远距离token的相互影响不需要通过很长的时间步或很深的卷积层 可以学习远程依赖 Transf...
2019-09-19 15:53:00
895
转载 TensorFlow2.0教程24：使用RNN实现文本分类
1.使用tensorflow_datasets 构造输入数据 !pip install -q tensorflow_datasets [31mspacy 2.0.18 has requirement numpy>=1.15.0, but you'll have numpy 1.14.3 which is incompatible.[0m [31mplotnin...
2019-09-10 14:30:00
315
转载 TensorFlow 2.0 教程23：用Estimator构造Boosted trees
本教程是使用决策树和tf.estimator API训练Gradient Boosting模型的端到端演练。 Boosted Trees模型是回归和分类中最受欢迎和最有效的机器学习方法之一。 这是一种集合技术，它结合了几种树模型的预测。 Boosted Trees模型受到许多机器学习从业者的欢迎，因为它们可以通过最小的超参数调整实现令人印象深刻的性能。 1.加载泰坦尼克数...
2019-09-10 14:26:00
212
转载 TensorFlow 2.0 教程22：DCGAN
1.数据导入和预处理 (train_images, train_labels), (_, _) = tf.keras.datasets.mnist.load_data() train_images = train_images.reshape(train_images.shape[0], 28, 28, 1).astype('float32') train_imag...
2019-09-07 14:49:00
315
转载 TensorFlow 2.0 教程21：词嵌入
1.载入数据 vocab_size = 10000 (train_x, train_y), (test_x, text_y) = keras.datasets.imdb.load_data(num_words=vocab_size) print(train_x[0]) print(train_x[1]) [1, 14, 22, 16, 43, 530, ...
2019-09-07 14:46:00
243
转载 TensorFlow2教程20：自编码器
自动编码器的两个主要组成部分; 编码器和解码器 编码器将输入压缩成一小组“编码”(通常，编码器输出的维数远小于编码器输入) 解码器然后将编码器输出扩展为与编码器输入具有相同维度的输出 换句话说，自动编码器旨在“重建”输入，同时学习数据的有限表示(即“编码”) 1.导入数据 (x_train, y_train), (x_test, y_test) = ke...
2019-09-06 16:50:00
157
转载 TensorFlow2教程19：LSTM和GRU
1.导入数据 num_words = 30000 maxlen = 200 (x_train, y_train), (x_test, y_test) = keras.datasets.imdb.load_data(num_words=num_words) print(x_train.shape, ' ', y_train.shape) print(x_t...
2019-09-06 16:45:00
368
转载 TensorFlow2教程18：使用预训练CNN模型
1.导入模型 目前看使用模型： Import model Currently, seven models are supported Xception VGG16 VGG19 ResNet50 InceptionV3 InceptionResNetV2 MobileNet MobileNetV2 DenseNet...
2019-09-05 15:06:00
336
转载 tensorflow2教程17：文本卷积
1.基本文本卷积 For more information, refer to: Kim 2014 (http://emnlp2014.org/papers/pdf/EMNLP2014181.pdf) Zhang et al 2015 (https://papers.nips.cc/paper/5782-character-level-convolutional-n...
2019-09-05 15:01:00
301
转载 Tensorflow2教程16：CNN变体网络
h2>1.载入数据 (x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data() x_train = x_train.reshape((-1,28,28,1)) x_test = x_test.reshape((-1,28,28,1)) print(x_train.shap...
2019-09-04 14:31:00
298
转载 TensorFlow2教程15：mlp及深度学习常见技巧
我们将以mlp对为，基础模型，然后介绍一些深度学习常见技巧， 如： 权重初始化， 激活函数， 优化器， 批规范化， dropout，模型集成 1.导入数据 (x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data() x_train = x_train.reshape([x_tr...
2019-09-04 14:27:00
253
转载 TensorFlow2教程14：基础MLP网络
TensorFlow2教程-基础MLP网络 1.回归任务 # 导入数据 (x_train, y_train), (x_test, y_test) = keras.datasets.boston_housing.load_data() print(x_train.shape, ' ', y_train.shape) print(x_test.shape, ...
2019-09-02 14:10:00
196
转载 TensorFlow2.0教程13：保持和读取模型
导入数据 (train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data() train_labels = train_labels[:1000] test_labels = test_labels[:1000] train_images ...
2019-09-02 14:05:00
214
转载 TensorFlow2.0教程12：回归问题
在回归问题中，我们的目标是预测连续值的输出，如价格或概率。 我们采用了经典的Auto MPG数据集，并建立了一个模型来预测20世纪70年代末和80年代初汽车的燃油效率。 为此，我们将为该模型提供该时段内许多汽车的描述。 此描述包括以下属性：气缸，排量，马力和重量。 1.Auto MPG数据集 获取数据 dataset_path = keras.utils.ge...
2019-08-31 14:42:00
477
转载 TensorFlow2.0教程11：结构化数据分类
本教程展示了如何对结构化数据进行分类(例如CSV中的表格数据)。我们使用Keras定义模型，并将csv中各列的特征转化为训练的输入。 本教程包含一下功能代码： 使用Pandas加载CSV文件。 构建一个输入的pipeline，使用tf.data批处理和打乱数据。 从CSV中的列映射到用于训练模型的输入要素。 使用Keras构建，训练和评估模型。 from...
2019-08-31 14:38:00
574
转载 TensorFlow2.0教程10：过拟合和欠拟合
1.观察数据 NUM_WORDS = 10000 (train_data, train_labels), (test_data, test_labels) = keras.datasets.imdb.load_data(num_words=NUM_WORDS) def multi_hot_sequences(sequences, dimension): res...
2019-08-30 15:33:00
263
转载 TensorFlow2.0教程9：文本分类
我们将构建一个简单的文本分类器，并使用IMDB进行训练和测试 from __future__ import absolute_import, division, print_function import tensorflow as tf from tensorflow import keras import numpy as np print(tf._...
2019-08-30 15:27:00
190
转载 TensorFlow2.0 教程8：图像分类
TensorFlow 2.0 教程，这节开始是深度学习实践 1.获取Fashion MNIST数据集 本指南使用Fashion MNIST数据集，该数据集包含10个类别中的70,000个灰度图像。 图像显示了低分辨率(28 x 28像素)的单件服装，如下所示： Fashion MNIST旨在替代经典的MNIST数据集，通常用作计算机视觉机器学习计划的“He...
2019-08-29 15:23:00
423
转载 TensorFlow2.0教程7：AutoGraph
tf.function的一个很酷的新功能是AutoGraph，它允许使用自然的Python语法编写图形代码。 1.tf.function装饰器 当使用tf.function注释函数时，可以像调用任何其他函数一样调用它。 它将被编译成图，这意味着可以获得更快执行，更好地在GPU或TPU上运行或导出到SavedModel。 @tf.function def ...
2019-08-29 15:15:00
230
转载 TensorFlow2.0教程6：Variables
创建一个变量 import tensorflow as tf my_var = tf.Variable(tf.ones([2,3])) print(my_var) try: with tf.device("/device:GPU:0"): v = tf.Variable(tf.zeros([10, 10])) print(v) exce...
2019-08-28 16:38:00
234
转载 TensorFlow2.0教程5：eager模式
1.eager模式下运算 # 在eager模式下可以直接进行运算 x = [[3.]] m = tf.matmul(x, x) print(m.numpy()) a = tf.constant([[1,9],[3,6]]) print(a) b = tf.add(a, 2) print(b) print(a*b) impor...
2019-08-28 16:35:00
658
转载 TensorFlow2.0教程4：keras模型保存和序列化
1.保持序列模型和函数模型 # 构建一个简单的模型并训练 from __future__ import absolute_import, division, print_function import tensorflow as tf tf.keras.backend.clear_session() from tensorflow import kera...
2019-08-26 10:59:00
350
转载 TensorFlow2.0教程3：用keras构建自己的网络层
1.构建一个简单的网络层 from __future__ import absolute_import, division, print_function import tensorflow as tf tf.keras.backend.clear_session() import tensorflow.keras as keras import ten...
2019-08-26 10:55:00
370
转载 SpringCloud之熔断器Hystrix
前言 SpringCloud 是微服务中的翘楚，最佳的落地方案。 在微服务架构中多层服务之间会相互调用，如果其中有一层服务故障了，可能会导致一层服务或者多层服务故障，从而导致整个系统故障。这种现象被称为服务雪崩效应。 SpringCloud 中的 Hystrix 组件就可以解决此类问题，Hystrix 负责监控服务之间的调用情况，连续多次失败的情况进行熔断保护。...
2019-08-23 14:10:00
97
转载 解读Spring容器的refresh()
Spring容器的refresh()【创建刷新】; 1、prepareRefresh()刷新前的预处理; 1)、initPropertySources()初始化一些属性设置;子类自定义个性化的属性设置方法; 2)、getEnvironment().validateRequiredProperties();检验属性的合法等 3)、earlyApplication...
2019-08-23 13:54:00
109
转载 TensorFlow2.0教程2：使用keras训练模型
最近对tensorflow十分感兴趣，所以想做一个系列来详细讲解tensorflow来。 本教程主要由tensorflow2.0官方教程的个人学习复现笔记整理而来，并借鉴了一些keras构造神经网络的方法，中文讲解，方便喜欢阅读中文教程的朋友，tensorflow官方教程：https://www.tensorflow.org 1.一般的模型构造、训练、测试流程 # ...
2019-08-22 14:02:00
313
转载 TensorFlow2.0教程1：keras 函数api
最近对tensorflow十分感兴趣，所以想做一个系列来详细讲解tensorflow来。 本教程主要由tensorflow2.0官方教程的个人学习复现笔记整理而来，并借鉴了一些keras构造神经网络的方法，中文讲解，方便喜欢阅读中文教程的朋友，tensorflow官方教程：https://www.tensorflow.org 1构建简单的网络 1.1创建网络 ...
2019-08-22 13:59:00
250
转载 Java8 Lambda表达式
简介 函数式接口(Functional Interfaces) 如果一个接口定义个唯一一个抽象方法，那么这个接口就成为函数式接口。 像这样的接口，可以被隐式转换为lambda表达式。java.lang.Runnable 与 java.util.concurrent.Callable 是函数式接口最典型的两个例子。Java 8增加了一种特殊的注解@FunctionalInt...
2019-08-21 13:52:00
63
转载 C#中dynamic的正确用法
C#是类型安全的编程语言。意味着所有表达式都解析成类型的实例，编译器生成的代码只执行对该类型有效的操作。dynamic的出现让C#具有了弱语言类型的特性，有利于处理需要在运行时才会知晓的信息，如果写的是纯C#应用程序，只有在使用反射的时候，才需要和运行时才能确定的信息打交道。编译器在编译的时候不再对类型进行检查，编译期默认dynamic对象支持你想要的任何特性。 var关键字和...
2019-08-21 13:49:00
1264
转载 学习js的五个不良编码习惯
本文根据外网文章译制而来 原文：https://dmitripavlutin.com/unlearn-javascript-bad-coding-habits/ 译者：前端小智 为了保证的可读性，本文采用意译而非直译。 在阅读JavaScript代码时，你是否有过这种感觉 你几乎不明白代码的作用? 代码使用了很多 JavaScript 技巧? 命...
2019-08-20 17:25:00
108
转载 Web前端之DOM介绍
什么是DOM DOM，Document object model文档对象模型。HTML DOM 定义了访问和操作 HTML 文档的标准方法。 DOM 将 HTML 文档表达为树结构，html文件中每个标签都是一个节点node 对象是一种独立的数据集合，有对应的属性和方法。 而js中对象分类三种： 用户定义对象 内建对象： Array Date Ma...
2019-08-20 17:20:00
140
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