![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 53
女搬运工
唯有坚持,方能水滴石穿
展开
-
Batch_size对于深度学习训练过程的影响?
batch_size的大小决定了深度学习训练过程中完成每个epoch所需的时间和每个迭代(epoch)之间梯度的平滑程度。对于每个epoch所需时间的解释:对于一个大小为N的训练集,如果每个epoch中mini-batch的采样方式采用最常规的(N个样本每个样本都采样一次)方式,设mini-batch大小为b,那么每个epoch所需要的迭代次数为 N/b ,因此完成每个e...原创 2019-12-03 20:17:31 · 1095 阅读 · 0 评论 -
tensorflow基本教程8:手写体分类卷积神经网络
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#number 1 to 10 datamnist=input_data.read_data_sets('MNIST_data',one_hot=True)def compute_accuracy(v_xs,v_ys): ...原创 2018-09-01 20:13:26 · 360 阅读 · 0 评论 -
tensorflow基本教程9:保存变量值
import tensorflow as tfimport numpy as np##Save to fileW=tf.Variable([[1,2,3],[3,4,5]],dtype=tf.float32,name='weights')b=tf.Variable([[1,2,3]],dtype=tf.float32,name='biases')init=tf.tables_init...原创 2018-09-01 20:59:30 · 413 阅读 · 0 评论 -
tensorflow基本教程10:RNN循环神经网络对于手写体识别预测
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#this is datamnist=input_data.read_data_sets("MNIST_data",one_hot=True)n_inputs=28#输入一行,一行有28个数据max_time=28#一共28行...原创 2018-09-02 16:50:36 · 236 阅读 · 0 评论 -
RNN的实现:简单理解
import numpy as npX=[1,2]state=[0.0,0.0]#分开定义不同输入部分的权重以方便操作w_cell_state=np.asarray([[0.1,0.2],[0.3,0.4]])w_cell_input=np.asarray([0.5,0.6])b_cell=np.asarray([0.1,-0.1])#定义用于输出的全连接层参数w_outpu...原创 2018-09-02 17:10:26 · 330 阅读 · 0 评论 -
卷积实现+对一幅图片的操作 ==sobel算子
import matplotlib.pyplot as pltimport matplotlib.image as mpingimport numpy as npimport tensorflow as tfmying=mping.imread('img.jpg')plt.imshow(mying)plt.axis('off')plt.show()print(mying.shape...原创 2018-09-03 10:42:02 · 792 阅读 · 0 评论 -
回归算法的应用——信用卡欺诈检测案例
面对非平衡数据集时,有两种解决方案:过采样和下采样。 下采样: 让数量多的样本减少到和数量少的样本数量一样多。 过采样:生成数量少的样本,以平衡数据import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom IPython import get_ipythonget_ipython().run...原创 2018-11-05 10:03:08 · 398 阅读 · 0 评论 -
不平衡数据对于卷积神经网络的影响
本文是基于 《卷积神经网络中类不平衡问题的系统研究》此篇论文展开说明,大部分来源于该篇论文。1.铺垫点背景知识 卷积神经网络(CNNs)在许多机器学习应用领域中越来越重要,目前正为计算机视觉领域的发展做出贡献,包括目标检测、图像分类和分割等任务。它们也广泛应用于自然语言处理或语音识别中,取代或改进了经典的机器学习模型。CNNs将自动特征提取和判别分类器集成在一个模型中,这是CNNs与...原创 2019-04-30 19:18:56 · 3237 阅读 · 0 评论 -
经典网络结构分析:卷积神经网络的现代雏形 ---LeNet
卷积神经网络是受到视觉神经系统的神经机制启发而提出的模型,其核心思想在于局部感受野和权值共享。98年lecun等人将卷积层与池化层相结合,建立卷积网络的现代雏形---LeNet.曾被应用于手写数字识别 。原始的LeNet主要特点是将卷积层和下采样层相结合作为网络 的基本结构,其包含3个卷积层和2个下采样层。在LeNet的原始模型中,输入是 一个矩阵 或图像,大小为32×32.如...原创 2019-06-05 16:09:24 · 977 阅读 · 0 评论 -
tensorflow基本教程7:手写字分类
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfrom tensorflow.examples.tutorials.mnist import input_datamnist=input_data.read_data_sets('MNIST_data',one_hot=True)def ...原创 2018-09-01 10:44:01 · 284 阅读 · 0 评论 -
tensorflow基本教程6:可视化结果
#如何建立神经网络的结构:层import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltdef add_layer(inputs,in_size,out_size,activation_function=None): Weights=tf.Variable(tf.random_normal([in_...原创 2018-09-01 09:54:28 · 219 阅读 · 0 评论 -
PCA+核函数(高斯)提取特征代码+图视
from sklearn.datasets import make_circlesimport matplotlib.pyplot as pltimport numpy as npfrom sklearn.decomposition import PCAfrom sklearn.decomposition import KernelPCA#生成一个变化非线性的数据集np.random.seed(0...原创 2018-06-01 16:45:04 · 1925 阅读 · 0 评论 -
用python读取txt文件中的数据并画各类图形展示
捣腾了一下午,终于整出来了,帮助和我一样的菜鸟解决数据读取问题,这是所有做实验的第一步,如果这步都没有解决,下面部分如何展开,这里每一步都很详细的解释了如何操作,我的文件内容,读取数据和画图都在本文末尾都有展示import pandas as pdimport matplotlib.pyplot as pltimport numpy as np#定义读取文件函数def read_data(file...原创 2018-06-01 17:03:39 · 23088 阅读 · 0 评论 -
应用EM算法推倒PLSA模型
原创 2018-06-01 17:18:56 · 625 阅读 · 0 评论 -
tensorflow基本教程1
import tensorflow as tfimport numpy as np#creat datax_data=np.random.rand(100).astype(np.float32)#定义数据是float32y_data=x_data*0.1+0.3###creat tensorflow structure start#初始权重和偏置Weights=tf.Variable...原创 2018-08-31 20:36:18 · 163 阅读 · 0 评论 -
tensorflow基本教程2:with结构
import tensorflow as tf#with 结构与不用with结构:#1.不用with结构需要自己关闭程序#2.with不用自己关闭matrix1=tf.constant([[3,3]])matrix2=tf.constant([[2],[2]])product=tf.matmul(matrix1,matrix2)#矩阵乘法#model1:sess=tf.Sessi...原创 2018-08-31 20:44:37 · 976 阅读 · 0 评论 -
tensorflow基本教程3:variable
#定义varible必须初始化import tensorflow as tfstate=tf.Variable(0,name='counter')one=tf.constant(1)new_value=tf.add(state,one)update=tf.assign(state,new_value)#new_value加载到state相当于赋值init=tf.initialize...原创 2018-08-31 20:51:40 · 134 阅读 · 0 评论 -
tensorflow基本教程4:placeholder
import tensorflow as tfinput1=tf.placeholder(tf.float32)input2=tf.placeholder(tf.float32)output=tf.multiply(input1,input2)#tensorflow中1.1版本mul用的是全名with tf.Session()as sess: print(sess.run(o...原创 2018-08-31 20:59:01 · 148 阅读 · 0 评论 -
tensorflow基本教程5:层的建立
#如何建立神经网络的结构:层import tensorflow as tfimport numpy as npdef add_layer(inputs,in_size,out_size,activation_function=None): Weights=tf.Variable(tf.random_normal([in_size,out_size])) biases=tf.V...原创 2018-09-01 09:29:31 · 182 阅读 · 0 评论 -
LSTM及GRU图解
lstm也是一种递归神经神经网络,那么要了解lstm之前先看看什么是RNN从上可以看出rnn有两个输入x1,h0;两个输出h1,y1.h1,x2作为下一时刻的输入,通过f函数,输出h2,y2;依次下去。。。。不管输入的序列有多长,只有一个f函数,那么自然减少了参数的数量;从上图也可看出为什么rnn可以作为时间序列的预测,下面是 深层的RNN,只是多了一层,然后下一层的输出是上衣一层的输入深层的RN...原创 2018-06-12 11:27:53 · 5763 阅读 · 1 评论