Python
天地有道
这个作者很懒,什么都没留下…
展开
-
神经网络-使用tensorflow搭建简易卷积神经网络
基本的卷积神经网络包含卷积层、池化层、全连接层组成。卷积神经网络比较详细的介绍参见博客:CNN笔记:通俗理解卷积神经网络、卷积神经网络超详细介绍、卷积神经网络概述。 卷积网络的好处主要是可以减少参数数量从而降低网络的计算量,同时有助于与防止过拟合,它还可以让网络的鲁棒性更高。 使用tensorflow搭建一个双层的卷积神经网络,网络结构为 ...原创 2020-08-16 11:15:38 · 637 阅读 · 0 评论 -
神经网络-使用tensorflow搭建三层神经网络
这里使用tensorflow构建三层神经网络,模型的大致结构为LINEAR->RELU->LINEAR->RELU->LINEAR->SOFTMAX,最后一层是SOFTMAX层,而不是SIGMOID层。 首先需要对输入X和输出Y创建占位符,这样下面执行前向传播时可以直接将训练集的数据填充到tensorflow计算图中。 def create_placeholders(n_x, n_y): """ 参数: n_x --输入向量的大小 n_y --原创 2020-07-12 15:11:18 · 1466 阅读 · 0 评论 -
神经网络-在windows环境下安装tensorflow
安装tensorflow需要先安装anaconda软件,在官网(https://www.anaconda.com/download/)上下载安装,一直点’是’即可。 安装anaconda后,可以打开软件确认成功安装,可以打开anaconda prompt,输入conda --version确认当前anaconda版本。 安装anaconda软件之后,安装tensorflow的步骤如下(在本地安装的anaconda版本): 配置python环境: 如果遇到Proceed([y]/n)?y询问是否继续安装,输原创 2020-06-29 00:03:53 · 377 阅读 · 0 评论 -
神经网络-三种优化算法简单对比
mini-batch梯度下降、动量梯度下降、Adam优化算法是三种梯度下降的优化算法,其python代码为: #mini-batch梯度下降 def random_mini_batches(X, Y, mini_batch_size = 64, seed = 0): np.random.seed(seed) m = X.shape[1] mini_batches = [] permutation = list(np.r原创 2020-06-27 12:01:01 · 1572 阅读 · 0 评论 -
神经网络-参数w和b的随机初始化
下面分别对参数初始化为0,在较大的范围内随机初始化,在较小的范围内随机初始化。Python代码如下: # 全部初始化为0 def initialize_parameters_zeros(layers_dims): parameters = {} L = len(layers_dims) for l in range(1, L): parameters['W' + str(l)] = np.zeros((layers_dims.原创 2020-06-15 21:38:09 · 1458 阅读 · 0 评论 -
神经网络基础-单神经元网络
以下内容大量参考人工智能教程(https://www.captainbed.net/2018/11/18/whatisnn/)。 python代码如下,如下代码使用单神经网络判断图像中是否有猫: # Jupyter Notebook环境 # 加载一写工具库并取别名 import numpy as np # 科学计算工具库 import matplotlib.pyplot as plt # 绘图 import h5py # 加载HDF数据集 import skimage.原创 2020-05-24 10:17:30 · 855 阅读 · 0 评论 -
神经网络-深度神经网络
python代码如下,使用该深度网络运行单神经网络使用的判断有无猫的数据集集,训练集准确率达到98.08%,测试集准确率达到82%,比单神经网络高12%。成本曲线图如下图所示: 该函数用于初始化所有层的参数w和b def initialize_parameters_deep(layer_dims): """ 参数: layer_dims -- 这个list列表里面,包含了每层的神经元个数。 例如,layer_dims=[5,4,3],表示第一层有5个神经元,第二层有4个.原创 2020-06-02 21:10:05 · 727 阅读 · 0 评论 -
神经网络-浅层神经网络
部分Python代码如下: # 初始化参数w和b。 def initialize_parameters(n_x, n_h, n_y): """ 参数: n_x -- 输入层的神经元个数 n_h -- 隐藏层的神经元个数 n_y -- 输出层的神经元个数 """ np.random.seed(2) # 随机初始化第一层(隐藏层)相关的参数w, b. W1 = np.random.randn(n_h, n...原创 2020-05-29 21:00:29 · 393 阅读 · 0 评论