Tensorflow
btbujhj
这个作者很懒,什么都没留下…
展开
-
(六)TensorFlow学习之旅——深入理解AlexNet
前言前面看了一些Tensorflow的文档和一些比较有意思的项目,发现这里面水很深的,需要多花时间好好从头了解下,尤其是cv这块的东西,特别感兴趣,接下来一段时间会开始深入了解ImageNet比赛中中获得好成绩的那些模型: AlexNet、GoogLeNet、VGG(对就是之前在nerual network用的pretrained的model)、deep residual networks转载 2017-06-15 21:55:08 · 867 阅读 · 0 评论 -
Tensorflow学习之旅(十)——降噪自编码
为什么叫去噪呢,是因为我们在之前输入的数据是加了高斯噪声的,但是我们在学习特征时是不能把噪声也学进去的,所以这里还实现了隐层上用tf.nn.softplus()激活函数?不知道理解是否正确!看代码吧!就是一个三层的自编码器,只不过在输入加上了噪声。# -*- coding: utf-8 -*-"""Created on Tue Jun 20 12:59:16 2017@au原创 2017-07-07 09:45:34 · 2343 阅读 · 0 评论 -
Tensorflow学习之旅(九)——自编码AutoEncoder
一、概述AutoEncoder大致是一个将数据的高维特征进行压缩降维编码,再经过相反的解码过程的一种学习方法。学习过程中通过解码得到的最终结果与原数据进行比较,通过修正权重偏置参数降低损失函数,不断提高对原数据的复原能力。学习完成后,前半段的编码过程得到结果即可代表原数据的低维“特征值”。通过学习得到的自编码器模型可以实现将高维数据压缩至所期望的维度,原理与PCA相似。原创 2017-07-04 17:14:31 · 930 阅读 · 0 评论 -
(四)Tensorboard学习——mnist_with_summaries.py
Tensorboard是一个可视化工具,通过mnist_with_summaries.py这个文件可以对其有个很好的了解! 我对其进行了比较详细的注释! 这个网址的视频非常好,下面这个视频对这个文件有详细的讲解: http://v.youku.com/v_show/id_XMjczNjQzMjY5Mg==.htmlfrom __future__ import ab原创 2017-06-14 22:09:39 · 2207 阅读 · 0 评论 -
(四)Tensorflow学习之旅——MNIST分类的卷积神经网络CNN示例
一个比较简单的CNN模型:输入:28*28,需要将输入数据reshape成28*28隐层1:32个神经元,卷积核5*5,池化2*2最大池化,卷积后特征图大小不变,池化后特征图为14*14,RELU隐层2:64个神经元,卷积核5*5,池化2*2最大池化,卷积后特征图大小不变,池化后特征图为7*7,RELU 展开7*7的图像为49维向量,共7*7*64维原创 2017-06-12 21:21:49 · 482 阅读 · 0 评论 -
(三)tensorflow学习之旅——mnist的softmax分类示例
Tensorflow的学习文档有不少,但是最好找一个文档,从简单到复杂,逐步学习!我选择的是Tensorflow官方文档中文版(极客学院翻译)。Tensorflow可以用于机器学习和深度神经网络算法的开发,但是其用于机器学习时,要用tf的语句语法编写算法,算法没有封装起来,比较麻烦,无法体现tf的强大!机器学习方面的库有不少,API封装的也非常好,例如Scikit-learn。所以学习原创 2017-06-12 20:04:12 · 789 阅读 · 0 评论 -
(二)Ubuntu下安装tensorflow
Ubuntu下安装tensorflow非常的简单!1、在这个窗口中输入命令:$ sudo apt-get install python-pip python-dev如果之前安装过,会有提示如下:2 安装Tensorflow了,指令如下:$ sudo pip install --upgrade https://storage.g原创 2017-06-12 19:53:51 · 281 阅读 · 0 评论 -
(一)Windows下tensorflow安装 win64+Python3.5
2016年11月29日,TF官方宣布0.12版tensorflow支持原生windows操作系统,不在需要通过Docker进行安装。tf初学者,windows重度依赖用户,可以按照下面这种可行的安装方法进行。一、安装Python1、通过Pip在Windows上安装PythonTensorFlow在Windows上只支持64位Python3.5,可以通过Pyt原创 2017-06-12 17:18:18 · 3934 阅读 · 0 评论 -
(八)Tensorflow学习之旅——理解过拟合overfitting
上一篇文章中说了dropout可以防止模型训练过拟合,那什么是过拟合呐?转载两篇博客了解一下。 最经典的一个举例是天鹅那个例子:(1)打个形象的比方,给一群天鹅让机器来学习天鹅的特征,经过训练后,知道了天鹅是有翅膀的,天鹅的嘴巴是长长的弯曲的,天鹅的脖子是长长的有点曲度,天鹅的整个体型像一个“2”且略大于鸭子.这时候你的机器已经基本能区别天鹅和其他动物了。(2)然后,转载 2017-06-19 16:42:10 · 2062 阅读 · 0 评论 -
(七)Tensorflow学习之旅——理解dropout
在编写tensorflow程序的时候,会发现训练的时候dropout的参数keep_prob=0.8(0.5,0.9等等),在测试的时候keep_prob=1.0,即不进行dropout。 关于dropout到底是什么,下面这篇博客写的很好,尊重原创,本文已注明是转载文章。 理解dropout注意:图片都在github上放着,如果刷不开的话,可以考虑翻墙。转载请注转载 2017-06-19 15:46:22 · 5099 阅读 · 0 评论 -
Tensorflow学习之旅(十一)——VGG网络与实践评测
1.VGGNet简介 VGGNet这个名字是怎么来的?是牛津大学计算机视觉组(Visual Geometry Group)和Google DeepMind公司研究员一起研发是深度卷积网络。上图显示的是VGGNet各级别的网络结构图,还有每个级别的参数量,从11层网络一直到19层的网络都有详尽的性能测试。虽然从A到E每一级网络逐渐变深,但是网络的参数量增加的并没有很多,那转载 2017-07-07 15:07:16 · 638 阅读 · 0 评论