- 博客(13)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 TensorFlow-深度学习-12-训练模型保存与使用
有这么一种情况，如果说我训练了一个数据集，效果还不错，但总不能每次都要经过一次训练在拿来用吧，一次训练能达到上万次，对于普通电脑来说根本不可能训练，所以我们要把它保存成一个模型文件（检查点），用到的时候直接拿来用就好了。保存模型文件很简单，只需要用下面2句话就行了： saver = tf.train.Saver() saver.save(sess,save_path="check...
2019-03-24 16:07:41
3596
6
原创 TensorFlow-深度学习-11-卷积神经网络（CNN）
我们在计算机中所看到的图像，在计算机中表示为一个个矩阵，一串串数字。在神经网络中，我们需要将这些数据在输入端reshape成一个1行n列的数组。通常我们使用的图片不会太小，否则特征点很容易丢失，可即便是一张28*28的图像（mnist手写数据集），在输入层也有784个神经元，更何况一个数据集少则几百张图片，多则上万张图片，这对于简单的神经网络来说压力很大，而且计算量复杂，运行速度慢，效率低下。而卷...
2019-03-24 15:50:31
396
原创 TensorFlow-深度学习-10-DropOut与多层神经网络
对于简单的3层人工神经网络，常用的激活函数很容易达到饱和度，比如sigmod，因为它很容易达到一个饱和度，导致整个训练终止。我之前在三层人工神经网络上加了一层，变成4层，然后进行训练，但是发现，训练的结果并没有什么变化，这是因为4层人工神经网络可能已经存在了过拟合的现象。其实经过大量研究人员的研究发现，三层神经网络其实已经能够满足比较大的数据量的训练，再增加其实已经没有什么意义了。所以要增加隐藏...
2019-03-22 16:31:04
1075
原创 TensorFlow-深度学习-08-人工神经网络(ANN)-多层感知器(MLP)
本文与TensorFlow-深度学习-03-梯度下降（反向传播–BP）其实没有什么差别，主要差别在于使用了softmax函数进行梯度下降求解。实例：import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("mnist...
2019-03-21 20:34:19
675
原创 TensorFlow-深度学习-07-基于逻辑回归预测二元分类
现在我这里有一份数据集，数据量很少，只有不到200行，里面有0和1的标签，很适合做二分类，数据集如下：LOW,AGE,LWT,RACE,SMOKE,PTL,HT,UI,BWT1,28,113,1,1,1,0,1,7091,29,130,0,0,0,0,1,10211,34,187,1,1,0,1,0,11351,25,105,1,0,1,1,0,13301,25,85,1,0,0,0,...
2019-03-20 21:17:39
1345
原创 TensorFlow-深度学习-09-激活与损失函数
一、激活函数1、常见激活函数：【1】图像：上图的这个函数很明显就能看出来很适合做二分类问题，1代表一类，0代表另一类，没什么好解释的。【2】图像：这个函数比较常见，从上图中可以看到，当样本数据被归纳到1和-1以外的区间时，函数梯度开始变得平缓，这时学习率不管怎么变化，准确率也不会有所提升，因为激活函数已经达到了一种饱和状态，所以，做数据预处理时，最好把数据归纳到（-1，1）之...
2019-03-20 20:15:25
261
原创 TensorFlow-深度学习-06-梯度下降求解简单的逻辑回归
首先谈谈softmax这个函数：Softmax 在机器学习和深度学习中有着非常广泛的应用。尤其在处理多分类（C > 2）问题，分类器最后的输出单元需要Softmax 函数进行数值处理。关于Softmax 函数的定义如下所示：...
2019-03-20 16:02:42
354
原创 TensorFlow-深度学习-05-计算图
什么是计算图？基于TensorFlow这个编程系统中的每一个计算都是计算图上的一个节点，而节点与节点之间的连线则代表计算之间的依赖关系。以一个最简化的计算图来说明：上图中，a，b代表一个节点，add也是一个节点，只是它参与了计算的工作。而这个简单的运算，我们需要在一个图中运行，而要想使用这张图，我们就要用到熟悉的sess.run()会话操作来运行。参考：https://www.jia...
2019-03-18 21:25:09
469
原创 TensorFlow-深度学习-04-梯度下降求解线性回归
线性回归，说白了就是求一条线性方程，能够最大限度的把坐标图上的每个点包括到，或者让这些点能够更加接近这条直线，本节将使用梯度下降的方法求这条解线性方程。有数据集的朋友可以使用pandas读取数据，这里我就不读取数据集了，有关于数据集的读取参考：机器学习——Pandas库1、读取数据集因为我这里没有数据集读取，所以自定义了100组数据（x，y）。'''-----------------造数据...
2019-03-18 18:15:52
458
原创 TensorFlow-深度学习-03-梯度下降（反向传播--BP）
反向传播(BP)算法：稍微明白神经网络是怎么回事的朋友都知道，神经网络分为三大层，输入层（input）、隐藏层（hidden）、输出层（output）。BP反向传播算法也就是多了上图中的红色箭头而已。当我们预测的值与真实值之间的差异较大时，我们就把这种差异附加到输入层与隐藏层之间的权重W和偏执项b上，通过每次更新W和b，产生不同的预测值，当预测值与真实值非常接近时，我们就可以停止这种迭代更新。...
2019-03-18 14:51:04
506
原创 TensorFlow-深度学习-02-Feed与Fetch
Feed：feed_dict={x:[[1,2],[3,4]],y:[[5],[6]]}上面的feed_dict的作用是什么？在机器学习中，经常听别人说到要把数据给喂进去。怎么喂进去，这就要使用feed_dict={x:input_x,y:input_y}把数据喂进去，喂进去的数据可以是矩阵，可以是数组，也可以是常数。Fetch：x_result,y_result=sess.run([x...
2019-03-17 13:55:07
333
原创 OpenCv_C++-PCA原理与应用
主成分分析PCA，最主要在数据处理中用来降维，比如说我们有1000组数据，每组数据有1000个样本，我们通过分析每组数据中的主要特征，剔除那些不必要的特征，使得数据的维度有所减少，以加快计算机计算的速度。进行PCA变化时主要有以下特征：1、主成分不变；2、有细微损失；3、高维数据到低维数据。进行PCA降维的主要步骤如下：上图中的步骤比较抽象，其实就是经过一步步的矩阵运算得到最终的新的数...
2019-03-05 11:40:43
1611
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人