深度学习
文章平均质量分 92
贴近实践 基础深度学习语句
忘川之水&
不要一味地低头拉车,还要抬头仰望生活。
展开
-
深度学习Wide&Deep模型——记忆能力和泛化能力的综合
文章目录Wide&Deep前言模型的记忆能力与泛化能力Wide&Deep模型的结构Wide&Deep前言Wide&Deep模型的主要思路正如其名,是由单层的Wide部分和多层的Deep部分组成的混合模型。其中Wide部分的主要作用、是让模型具有较强的“记忆能力”;Deep部分的主要作用是让模型具有“泛化能力”。正因为这样的结构特点,使模型间距了逻辑回归和深度神经网络的优点——能够快速处理并记忆大量历史行为特征,并且具有强大的表达能力。不仅在当时迅速成为业界争相应用的主流模原创 2021-01-30 11:43:37 · 2791 阅读 · 0 评论 -
从POLY2到FM再到FFM模型的演化过程。
文章目录POLY2模型FM模型FFM模型-引入特诊域的概念从POLY2到FFM的模型演化过程POLY2模型poly2模型进应用征的“暴力”组合的方式该模型对所有的特征进行了两两交叉(特征Xj1X_j1Xj1和 Xj2X_j2Xj2),并对所有的特征组合赋予权Wh(j1,j2)W_h(j_1,j_2)Wh(j1,j2)。POLY2通过暴力组合特征的方式,在一定程度上解决了特征组合的问题。POLY2模型本质上仍然是线性模型,训练方法与逻辑回归一样。POLY2存在缺陷:POLY2在进行无原创 2021-01-15 19:43:47 · 1575 阅读 · 0 评论 -
神经网络激活函数及参数初始化
1 激活函数(Activation functions)1.1 sigmoid与tanh激活函数使用一个神经网络时,需要决定使用哪种激活函数用隐藏层上,哪种用在输出节点上。前面,我们在做神经网路的前向传播时,用????[1] = ????(????[1])和????[2] = ????(????[2]),这两步用到的是sigmoid函数。sigmoid 函数在这里被称为激活函数。更通常的情况下,使用不同的函数????(????[1]),????除了可以是任何非线性函数,包括 sigmoid 函数。原创 2020-12-29 10:04:02 · 2551 阅读 · 0 评论 -
初次结识神经网络
文章目录1.神经网络概述1.1神经网络前向传播1.2 神经网络反向传播2 神经网络的组成部分2.1 神经网络层及隐藏点2.2 神经网络系数和偏置3 计算一个神经网络的输出3.1 参数表示3.2神经网络的计算1.神经网络概述1.1神经网络前向传播神经网络看起来是如下这个样子。我们可以把许多sigmoid 单元堆叠起来形成一个神经网络。在这个神经网络(上图)对应的 3 个节点,首先计算第一层网络中的各个节点相关的数????[1],接着计算????[1],在计算下一层网络同理; 我们会使用符号 [???原创 2020-12-28 13:17:46 · 322 阅读 · 0 评论 -
深度学习的兴起与流行原因.
在我们学习深度学习的时候,最基本也是最好奇的问题就是: 深度学习和神经网络之前的基础技术理念已经存在大概几十年了,为什么它们现在才突然流行起来呢?文章目录为什么深度学习会兴起?1.数据量的增长2. 算法创新3 运算性能提升为什么深度学习会兴起?1.数据量的增长我们画一个图,在水平轴上绘制出所有任务的数据量;而在垂直轴上,画出机器学习算法的性能。比如说准确率体现在垃圾邮件过滤或者广告点击预测,或者是神经网络在自动驾驶汽车时判断位置的准确性。为了使这个图更加从技术上讲更精确一点,我在????轴下原创 2020-12-24 11:26:56 · 6201 阅读 · 0 评论 -
CNN卷积神经网络 与验证码之间的联系
本文主要介绍CNN卷积神经网络 与验证码之间的联系 我们可以应用CNN自动提取验证码之间的内容 下面我来注意介绍:数据集样式前面为标签后面为.jpg先倒入的相关的包以及简单的设置了几个参数import tensorflow as tfimport randomimport osimport numpy as npfrom PIL import Imagetf.set_random_seed(777)#设置随机种子#获取数据集train_num=1000t...原创 2020-08-26 16:26:02 · 341 阅读 · 0 评论 -
猫狗数据集 CNN的处理
#数据处理与cnn的处理此代码为猫狗数据集 因数据集较大所以选取1000张图片为基准。 cnn初级代码 需要与数据处理相互结合。数据处理相对麻烦一些 下面cnn代码与之前变化不大如果有人需要数据集请私信我。思路:1.模块、环境导入配置,数据集准备。(25分)1.1 导入模块,定义数据集路径,使用猫狗大战数据集。(5分)1.2使用tensorflow设置随机种子,设置样本总数1000(5分)1.3按照8:2划分数据集(5分)1.4设置图片的宽度和高度,读取数据...原创 2020-08-24 14:26:29 · 636 阅读 · 0 评论 -
初级卷积网络流程
卷积操作的目的:特征提取初级卷积神经网络的操作流程:conv(卷积) [padding s(步长),卷积核个数]—---—>pooling(与卷积核一致p s)-------->conv------>pooling(特征展开维度转换)------->Fc(分类用softmax进行全连接)卷积核:参数有填充数,步长,卷积核个数 ,进行卷积操作,在进行池化,一般采用最大池化,然后在进行卷积操作,把相关的参数与数据填入,再进行池化操作,然后进行维度转换转换为一维数据...原创 2020-08-21 11:56:50 · 258 阅读 · 0 评论