tensorflow
文章平均质量分 82
布兹学长
兔头小白
展开
-
过拟合及过拟合处理
代码运行平台为jupyter-notebook,文章中的代码块,也是按照jupyter-notebook中的划分顺序进行书写的,运行文章代码,直接分单元粘入到jupyter-notebook即可。,模型就是在训练集上效果很好,在验证机上效果一般,说明模型有。从正确率这里也可以看到,模型在训练集和验证集上的。,然后模型训练完之后,最后。的,所以可以在一定程度上。,这也说明着模型存在。只需要在示例代码中的。...原创 2022-07-17 09:10:59 · 678 阅读 · 0 评论 -
网络优化和超参数选择
如果向着梯度的反方向移动,则损失函数的值会相应减小。在调整学习速率时,既需要使其足够小,保证不至于发生超调,也要保证它足够大,以使损失函数能够尽快下降,从而可通过较少次数的选代更快地完成学习。梯度的输出向量表明了在每个位置损失函数增长最快的方向,可将它视为表示了在函数的每个位置向哪个方向移动函数值可以增长。是一种高效计算数据流图中梯度的技术每一层的导数都是后一层的导数与前一层输出之积,这正是链式法则的奇妙之处,在具体实践中,可通过查看损失函数值随时间的变化曲线,来判断学习速率的选取是合适的。...原创 2022-07-16 21:52:37 · 618 阅读 · 0 评论 -
独热编码与交叉熵损失函数
当我们的lable是顺序标签的时候,使用sparse_categorical_crossentropy作为损失函数,当我们的label是独热编码的时候,我们使用categorical_crossentropy作为损失函数。这个时候5元的标签也就编码为[1,0,0],10元的编码为[0,1,0],20元的编码为[0,0,1]。中的简单示例数据标签的修改,以及损失函数的修改,将顺序编码的标签改为了独热编码的标签,损失函数改为了categorical_crossentropy。来计算softmax交叉熵。....原创 2022-07-16 17:45:16 · 2406 阅读 · 0 评论 -
softmax多分类
Dense是把一个一维的数据映射到另一个一维的数据,不能把二维的数据进行运算,所以我们要把fashionmnist数据先扁平成一维的,原创 2022-07-16 12:54:17 · 6116 阅读 · 2 评论 -
逻辑回归与交叉熵
交叉熵刻画的是实际输出(概率)与期望输出(概率)的距离,也就是交叉熵的值越小,两个概率分布就越接近。平方差所惩罚的是与损失为同一数量级的情形对于分类问题,我们最好的使用交叉熵损失函数会更有效交叉熵会输出一个更大的“损失”。不使用均方差作为损失函数使用,比如1-0.2的平方产生损失会非常小,因此迭代次数会比较多,训练就会比较慢。逻辑回归问题就是分类问题。sigmoid函数是一个概率分布函数,给定某个输入,它将输出为一个概率值。在keras里,我们使用binary_crossentropy来计算二元交叉熵。..原创 2022-07-15 19:01:23 · 874 阅读 · 0 评论 -
多层感知机(神经网络)与激活函数
因为对于每一个中间的隐藏单元,需要三个对应的权重(因为前面有三个输入)以及一个偏置,即4*10=40。相当于每个隐藏神经元对应一个方程f(x)=w1x1+w2x2+w3x3+b,其中w1,w2,w3为待计算的权重,b为待计算的偏置。.........原创 2022-07-15 18:32:36 · 937 阅读 · 0 评论 -
tf.keras实现线性回归
这个时候就需要使用到损失函数。比如说使用均方差作为作为损失函数。也就是预测值和真实值之间差的平方取均值。y代表实际的收入,找到合适的a和b,使得(f(x)-y)^2的值,越小越好,越小就说明预测的收入和实际的收入就越接近。==注意==现在求解的是参数a和b,问题也就转变为。..................原创 2022-07-15 17:39:28 · 715 阅读 · 0 评论 -
Tensorflow安装
如果没有NVIDIA GPU执行,下面两步即可完成安装:第一步,打开anaconda prompt命令行,安装tensorflow未指定版本安装安装的是最新版本的tensorflow。第二步,安装所需其他包:搞定!查看NVIDIA驱动版本,打开终端输入查看驱动情况。GPU版本有两个依赖库Cudatoolkit 和Cudnn当我们使用conda安装的时候,它会自动帮助我门安装这两个辅助库,所以不用操心。检查NVIDIA驱动版本满足要求后,执行下面两步即可完成安装:第一步执行TensorFl原创 2022-07-14 11:33:14 · 1258 阅读 · 0 评论