Feynman1999的博客

Custom layersThe full list of pre-existing layers can be seen in the documentation. It includesDense (a fully-connected layer)Conv2DLSTMBatchNormalizationDropoutand many others.主...

Custom training: basics​ 这一小节，我们使用前面介绍过的一些TF primitives来做一些简单的机器学习。官方推荐使用tf.keras这样高阶的api，但是strong foundation是重要的，所以这一节cover neural network training from first principlesIn this tutorial we covere...

Automatic differentiation and gradient tape​ 之前我们介绍了Tensor 以及在其上的操作，下面我们介绍一下自动微分技术，—用来优化模型参数的关键。​ tensorflow 提供了用于自动微分的API，来计算一个函数的导数。一种更接近数学的求导方法是：先写一个python函数，封装好对参数的运算。然后使用tf.contrib.eager.gradie...

Eager execution basics官方的一句话解释：Eager execution is a feature that makes TensorFlow execute operations immediately: concrete values are returned, instead of creating a computational graph that is exe...

保存和恢复模型模型进度可在训练期间和之后保存。这意味着，您可以从上次暂停的地方继续训练模型，避免训练时间过长。此外，可以保存意味着您可以分享模型，而他人可以对您的工作成果进行再创作。发布研究模型和相关技术时，大部分机器学习从业者会分享以下内容：用于创建模型的代码，以及模型的训练权重或参数分享此类数据有助于他人了解模型的工作原理并尝试使用新数据自行尝试模型。下面介绍的是使用tf.ker...

探索过拟合与欠拟合我们将探索两种常见的正则化技术（权重正则化和丢弃），并使用它们改进我们的 IMDB 影评分类笔记本。我们不会像在上一次那样使用嵌入，而是对句子进行独热编码。该模型将很快过拟合训练集。它将用来演示何时发生过拟合，以及如何防止过拟合。务必谨记：深度学习模型往往善于与训练数据拟合，但真正的挑战是泛化，而非拟合。数据预处理与网络结构和之前采用嵌入方法不同，这里我们直接使用o...

预测房价（回归）预测 20 世纪 70 年代中期波士顿郊区房价的中间值。该数据集包含 13 个不同的特征：人均犯罪率。占地面积超过 25000 平方英尺的住宅用地所占的比例。非零售商业用地所占的比例（英亩/城镇）。查尔斯河虚拟变量（如果大片土地都临近查尔斯河，则为 1；否则为 0）。一氧化氮浓度（以千万分之一为单位）。每栋住宅的平均房间数。1940 年以前建造的自住房所占比例。...

影评文本分类使用 IMDB 数据集，其中包含来自互联网电影数据库的 50000 条影评文本。将这些影评拆分为训练集（25000 条影评）和测试集（25000 条影评）。训练集和测试集之间达成了平衡，意味着它们包含相同数量的正面和负面影评。接口解释train_data = keras.preprocessing.sequence.pad_sequences(train_data, ​ va...

基本分类（Fashion MNIST）使用tf.keras ，是一种在TensorFlow中构建和训练模型的高阶api本指南使用 Fashion MNIST 数据集，其中包含 70000 张灰度图像，涵盖 10 个类别。以下图像显示了单件服饰在较低分辨率（28x28 像素）下的效果：Code主要接口：keras.datasetstf.nn.relutf.nn.softmaxtf...