TensorFlow
disanda
disanda.github.io
展开
-
2.MNIST 最简单的识别模型
该模型是tensorflow官方文档首个模型,没有使用卷积网络关键是构建一个公式公式为y=wx+b,带有二维像素值的数组(图片)作为输入x,标签(图片结果)作为输出y用正向传播把数据(x,y)带入训练,再反向传播提升梯度来不断调整参数(w,b),使得公式的输出尽量准确。正确率约为92%一、模型构建(计算公式实现)为了得到一章图片(28*28=784个像素值)属于...原创 2019-06-02 22:32:41 · 1176 阅读 · 0 评论 -
3.cnn实现分类(MNIST数据集)
该模型是tensorflow官方文档的第二个模型,使用了cnn卷积网络该技术源于最早的lenet模型,细分计算过程,算上输入和输出,过程可分为卷积、池化、卷积、池化、全联接,总共七层。卷积是用一个卷积核(比二维图像更小的一个二维数组)去扫一遍(就是矩阵积运算)图像,卷积计算可以提取带有卷积核的特征图像池化是放大原图像局部特征,如3*3的像素值数组,突出最大像素值,清零其他像...原创 2019-06-02 22:56:27 · 2165 阅读 · 0 评论 -
4.MNIST 改进的cnn
该模型是TF书中97页的改进版,来源于CSDN,模型使用tf框架的范围管理scope技术来优化参数设定,最终准确率为0.984这里主要引入较多参数来改进原有的cnn模型:使用激活函数去线性化使用隐藏层即加深层数以解决复杂问题使用学习率调整更新参数的频度使用滑动平均模型来调整模型结果# 导入必要的库import tensorflow as tfimport osfrom ...原创 2019-06-02 23:02:01 · 309 阅读 · 0 评论