- 博客(21)
- 收藏
- 关注
RSS订阅原创 常见函数说明
numpy.random.shuffle用途：打乱序列的顺序用法：numpy.random.shuffle([list,iterable])，返回值为None，直接更改列表的顺序样例：np.random.shuffle(参数)->np.random.shuffle([1,2,3])注意：如果参数是二维的数据，则只在第一维度上更改顺序 tensorflow.transpose用...
2018-09-24 11:52:15
2536
转载 向量空间模型(Vector Space Model)的理解
https://www.cnblogs.com/hapjin/p/8687527.html
2018-09-23 13:22:28
1783
原创 tensorflow在训练的时候权重是nan，如何解决
https://blog.csdn.net/zbzb1000/article/details/65626297
2018-09-22 22:06:27
1585
转载 使用numpy生成one_hot
https://blog.csdn.net/zhongranxu/article/details/79332154
2018-09-22 22:05:54
2839
原创 中心化（又叫零均值化）和标准化（又叫归一化）
https://blog.csdn.net/GoodShot/article/details/80373372
2018-09-22 22:04:44
4029
转载 利用卷积神经网络提取特征
https://blog.csdn.net/jnulzl/article/details/51440055https://blog.csdn.net/lcy7289786/article/details/68958662
2018-09-20 22:10:45
23151
转载 L2正则化方法
在机器学习中，无论是分类还是回归，都可能存在由于特征过多而导致的过拟合问题。当然解决的办法有（1）减少特征，留取最重要的特征。（2）惩罚不重要的特征的权重。但是通常情况下，我们不知道应该惩罚哪些特征的权重取值。通过正则化方法可以防止过拟合，提高泛化能力。先来看看L2正则化方法。对于之前梯度下降讲到的损失函数来说，在代价函数后面加上一个正则化项，得到https://www.cnblogs....
2018-09-20 22:06:21
18125
转载 为什么L1稀疏，L2平滑？
L1和L2正则常被用来解决过拟合问题。而L1正则也常被用来进行特征选择，主要原因在于L1正则化会使得较多的参数为0，从而产生稀疏解，将0对应的特征遗弃，进而用来选择特征。 但为什么L1正则会产生稀疏解呢？这里利用公式进行解释。假设只有一个参数为w，损失函数为L(w)，分别加上L1正则项和L2正则项后有：假设L(w)在0处的倒数为d0，即则可以推导使用L1正则和L2正则时的导数。引入...
2018-09-20 21:53:31
9475
转载 anaconda
Anaconda与conda区别conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。 conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身 Anaconda则是一个打包的集合，里面预装好了conda、某个版本...
2018-09-18 20:48:13
245
原创 shape的各种获取、更改以及设置方式辨析
各种shape获取和shape设置以及更改1. shape获取tensor.get_shape：只有tensor才有这个方法，(相对于op来说的)，用于返回该 tensor的维度，返回的是一个数组。不需要在session里面使用。x.get_shape()tensor.shape：用法同tensor.get_shape()类似。如...
2018-09-18 20:35:15
1389
原创 使用tensorflow书写逻辑回归
书写中存在的问题 mnist读取训练集 mnist.train.images mnist.train.labels读取训练集的长度 mnist.train.num_examples 函数tf.placeholder() 必须指定数据类型，shape可以不指定，这样就可以使用多种shape了 tf.Variable() 必须给定初始值tf.reduce_m...
2018-09-15 22:04:38
229
原创 tf.name_scope与tf.variable_scope
1.scope是干什么的顾名思义“scope”的意思是“范围”，那么name_scope和variable_scope就是针对name所做的范围定义。典型的 TensorFlow 可以有数以千计的节点，在构建各op的过程中，命名要做到不重复，那么在编写程序的时候就要特别注意，例如“x”、“y”、”W”、”B”甚至“weight”等经常使用的变量/常量命名就很可能会重复，否则就要增加一个字符串来...
2018-09-13 14:35:04
571
原创 记录
https://www.w3cschool.cn/tensorflow_python/tensorflow_python-wxuy2nm6.html to_int64 https://blog.csdn.net/m0_37870649/article/details/80963053 relu详解 https://blog.csdn.net/u013713117/article/details...
2018-09-13 13:19:23
119
原创 tf.Variable()、tf.get_variable()
- tf.Variable()W = tf.Variable(<initial-value>, name=<optional-name>)用于生成一个初始值为initial-value的变量。必须指定初始化值-tf.get_variable()W = tf.get_variabl
2018-09-13 13:16:38
391
原创 what does tf.no_op do and tf.control_dependencies work？
- 控制依赖with tf.control_dependencies([train_step, variables_averages_op]): train_op = tf.no_op(name='train') #train_op does nothin或者train_op = tf.group(train_step, variables_averages_op)贴上st...
2018-09-13 12:31:54
1792
原创 tf.nn.sparse_softmax_cross_entropy_with_logits()与tf.nn.softmax_cross_entropy_with_logits的差别
这两个函数的用法类似sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None)唯一的区别是sparse的labels是int类型，而非sparse的labels是one-hot类型。具体代码用法import tensorflow as tf#...
2018-09-11 21:29:14
2738
3
原创 tf.train.exponential_decay
函数- tf.train.exponential_decay tf.train.exponential_decay(learning_rate, global_step, decay_steps, decay_rate, staircase=False, name=None) 功能：实现指数衰减学习率内部代码实现decayed_learning_rate...
2018-09-11 20:56:49
580
原创 tensorflow常见函数——clip_by_value、numpy.random.RandomState、argmax
常见简单函数用法- tf.clip_by_value()tf.clip_by_value(V, min, max)功能：截取在V，使V里面的各个元素在min和max之间具体代码用法import tensorflow as tfv = tf.constant([[1.0, 2.0, 4.0],[4.0, 5.0, 6.0]])result = tf.clip_by_v...
2018-09-11 19:54:05
332
原创 tf.nn.conv2d()方法
tf.nn.conv2d是用来实现卷积的方法 tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)除去name参数用以指定该操作的name，与方法有关的一共五个参数：第一个参数input：指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_heigh...
2018-09-10 10:55:53
1504
原创 tensorflow中张量、常量、变量、占位符
引言从实例出发#先导入TensorFlowimport tensorflow as tf# Create TensorFlow object called hello_constanthello_constant = tf.constant('Hello World!')with tf.Session() as sess: # Run the tf.constant ...
2018-09-10 10:25:50
3720
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人