![](https://img-blog.csdnimg.cn/20190927151117521.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习与深度学习
文章平均质量分 67
包含各种有关机器学习与深度学习领域的相关知识及代码实现
鹏阿鹏
软件工程本科,计算机硕士在读;兴趣:Java后端、Web前端、机器学习与算法。
展开
-
基于TensorFlow2实现MalConv恶意软件检测
给出TensorFlow2实现MalConv的示例代码原创 2023-04-15 22:14:35 · 313 阅读 · 0 评论 -
【优化算法】使用遗传算法优化MLP神经网络参数(TensorFlow2)
使用遗传算法对神经网络参数进行优化,提高深度学习模型的准确率。(Python、TensorFlow2、scikit-opt)原创 2023-04-13 11:54:58 · 2618 阅读 · 0 评论 -
【强化学习】TensorFlow2实现DQN(处理CartPole问题)
CartPole问题:黑色小车上面支撑的一个连接杆,连杆会自由摆动,我们需要控制黑色小车,通过控制小车左右移动,保持连杆的平衡。该问题的动作空间是离散的且有限的,只有两种执行动作(0或1),但是该问题的状态空间是一个连续空间,且每个状态是一个四维向量。原创 2022-11-18 10:11:57 · 1689 阅读 · 6 评论 -
基于Tensorflow2的卷积神经网络MNIST手写数字识别
通过Tensorflow2中的keras搭建CNN卷积神经网络的手写数字识别的多分类实战原创 2022-04-02 22:22:48 · 2891 阅读 · 0 评论 -
【机器学习】二分类问题中的混淆矩阵、准确率、召回率等 (Python代码实现)
二分类问题中的混淆矩阵、准确率、召回率、Acc的介绍及代码实现原创 2022-09-16 15:47:58 · 12535 阅读 · 2 评论 -
解决tensorflow:No training configuration found in the save file, so the model was *not* compiled
解决方案WARNING:tensorflow:No training configuration found in the save file, so the model was *not* compiled. Compile it manually.原创 2022-09-13 13:56:50 · 3362 阅读 · 0 评论 -
【特征工程】sklearn中保存CountVectorizer等特征提取模型及调用
特征工程:sklearn中保存CountVectorizer等特征提取模型及调用。原创 2022-07-27 18:27:47 · 652 阅读 · 0 评论 -
【特征工程】词袋模型/TF-IDF模型/词汇表模型的代码实现(文本特征提取)
CountVectorizer收集的文本文档转换为矩阵的令牌数量。原创 2022-07-17 20:01:31 · 1945 阅读 · 3 评论 -
【特征工程】标准化/正则化/归一化的sklearn代码实现(数据预处理方法)
标准化后的数据的均值=0,标准差=1。把数据映射到0~1范围之内。原创 2022-07-16 22:04:50 · 489 阅读 · 0 评论 -
【AI安全】对抗样本之FGSM的代码实现(TensorFlow2)
FGSM(Fast Gradient Sign Method)由Ian J. Goodfellow等人于2015年提出,论文地址【https://arxiv.org/abs/1412.6572】,是最早也是最受欢迎的欺骗神经网络的攻击之一。如图所示,攻击者对原始熊猫图像添加了小的扰动,导致了模型将这张图像标记为长臂猿。FGSM利用神经网络的梯度来创建一个对抗样本。对于输入的图像,该方法使用损失相对于输入图像的梯度来创建一个新的图像,使损失最大化。adv_x=x+ϵ∗sign(∇xJ(θ,x,y))ad原创 2022-05-31 22:51:50 · 2309 阅读 · 0 评论 -
【生成对抗网络】GAN入门与代码实现(一)
文章目录1. 生成对抗网络介绍2. 基于TensorFlow2的GAN的简单实现2.1 导包与参数设置2.2 生成器2.3 判别器2.4 搭建生成对抗网络2.5 数据准备与预处理2.6 主训练方法2.7 绘图函数2.8 开始训练2.9 loss与acc绘图2.10 结果1. 生成对抗网络介绍生成对抗网络(Generative Adversarial Network)于2014年被Goodfellow等人提出,然后迅速流行。GAN能通过学习特定领域知识创造出新的图像、文本等。2016年,GAN热潮席卷人工原创 2022-04-21 21:15:40 · 10890 阅读 · 18 评论 -
【生成对抗网络】ACGAN的代码实现
文章目录1. ACGAN简介2. 基于TensorFlow2的ACGAN实现(MNIST数据集)2.1 导包2.2 数据准备2.3 生成器模型2.4 判别器模型2.5 定义损失函数及优化器2.6 定义批次训练函数2.7 定义绘图函数2.8 定义主训练函数2.9 模型训练与结果展示2.10 使用生成器1. ACGAN简介前面博客中介绍了一般的GAN代码实现,能生成一个图像,但是无法生成指定类别的图像,ACGAN则补充了这部分功能,通过将类别信息添加到生成器与判别器中,从而能够产生指定类别的数据。ACGA原创 2022-05-28 16:21:36 · 4007 阅读 · 4 评论 -
【生成对抗网络】GAN入门与代码实现(二)
上篇博客:生成对抗网络GAN入门与代码实现(一)本篇主要介绍简单GAN的另一种实现方法(不使用卷积),依然使用TensorFlow2进行搭建,主要运用了TensorFlow2中的求导机制进行自定义训练,自由度更高。对比上篇博客中的实现方法可加深对GAN的编写理解。文章目录1 导包2 数据准备3 生成器模型4 判别器模型5 编写损失函数,定义优化器6 获取模型&定义训练批次函数7 定义可视化方法8 主训练方法9 开始训练10 训练结果1 导包import tensorflow as tf #原创 2022-05-01 18:28:15 · 2980 阅读 · 1 评论 -
【迁移学习】猫狗数据分类案例(TensorFlow2)
2 数据处理共2000张猫狗图片数据集,下载地址:Kaggle dc_20003 创建模型,使用VGG16作为预训练模型输出:4 训练模型原创 2022-07-05 16:17:54 · 1344 阅读 · 0 评论 -
基于TensorFlow2的神经网络MNIST手写数字识别(多层感知机)
文章目录1 导包2 数据导入与处理3 创建模型(MLP多层感知器)4 定义优化器与损失函数5 编译模型与训练6 训练过程结果可视化7 预测示例1 导包import tensorflow as tfimport matplotlib.pyplot as pltimport numpy as np%matplotlib inline2 数据导入与处理# 数据导入,获取训练集和测试集(train_image, train_labels), (test_image, test_labels) =原创 2022-04-12 23:48:41 · 2008 阅读 · 0 评论 -
TensorFlow2中三种创建模型的方法(以鸢尾花数据集为例)
文章目录1. 导包2. 数据准备3. 模型搭建与训练方法1:Sequential模型方法2:函数模型方法3:子类模型(自定义类)1. 导包import tensorflow as tf # tf为2.3版本import tensorflow as kerasfrom sklearn.datasets import load_iris # 导入鸢尾花数据(需pip安装scikit-learn)from sklearn.model_selection import train_test_split原创 2022-05-27 14:44:33 · 776 阅读 · 0 评论 -
【机器学习】sklearn中使用k近邻来完成缺失值的填补(KNNImputer)
文章目录1 方法介绍2 常用参数3 示例示例1:处理np.nan示例2:处理None值示例3:处理numpy中的0数据示例4:添加权重1 方法介绍class sklearn.impute.KNNImputer(*, missing_values=nan, n_neighbors=5, weights='uniform', metric='nan_euclidean', copy=True, add_indicator=False)使用k近邻来完成缺失值的估算,用于对缺失值如None的填补。每个样本原创 2022-04-19 11:02:20 · 8596 阅读 · 0 评论 -
【机器学习】sklearn中的数据集划分方法(一行代码划分训练集测试集)
文章目录1 导包2 API介绍3 示例一3.1 构造数据3.2 数据划分4 示例二(鸢尾花数据集实战)4.1 数据准备4.2 查看数据4.3 数据划分1 导包from sklearn.model_selection import train_test_split2 API介绍klearn.model_selection.train_test_split(arrays, *options)参数:x 数据集的特征值y 数据集的标签值test_size 测试集的大小,一般为floatrand原创 2022-04-18 22:33:00 · 10836 阅读 · 0 评论