![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习算法
糯米君_
算法工程师
展开
-
深度学习 图示12种常见激活函数
所谓激活,实际上是对隐藏层或卷积层等等的输出结果做一次非线性映射。原创 2023-03-21 10:05:03 · 124 阅读 · 0 评论 -
深度学习算法--fit_generator()函数使用
如果我们数据量很大,那么是不可能将所有数据载入内存的,必将导致内存泄漏,这时候我们可以用fit_generator函数来进行训练。from keras.datasets import imdbfrom keras.preprocessing.sequence import pad_sequencesfrom keras.models import Sequentialfrom keras import layersimport numpy as npimport randomfrom skle原创 2021-03-27 10:57:46 · 2246 阅读 · 0 评论 -
深度学习算法--利用tf.GradientTape自定义鸢尾花神经网络分类模型
利用tensorflow2自动求导机制tf.GradientTape自定义鸢尾花数据集的神经网络分类模型import tensorflow as tffrom sklearn import datasets # 导入数据集import numpy as np# 构建模型(神经网络的前向传播) --> 定义损失函数 --> 定义优化函数 --> 定义tape --> 模型得到预测值 --># 前向传播得到loss --> 反向传播 --> 用优化函数将计原创 2021-03-24 23:38:25 · 409 阅读 · 0 评论 -
深度学习--MaxPooling1D和GlobalMaxPooling1D的区别
1.GlobalMaxPooling1D:在steps维度对整个数据求最大值。2.MaxPooling1D:在steps维度求最大值。但是限制每一步的池化的大小。实例:import numpy as npfrom keras.models import Sequentialfrom keras.layers import Dense, LSTM, GlobalMaxPooling1D, MaxPooling1DD = np.random.rand(10, 6, 10)model = S原创 2021-03-24 23:22:43 · 1301 阅读 · 0 评论 -
深度学习算法--python实现用TensorFlow构建字符级RNN语言建模(源码+详细注释)
语言建模是一个迷人的应用,它使机器能完成与人类语言相关的任务,如生成英语句子。现在要构建的模型中,输入为文本文档(纯文本格式的威廉·莎 士比亚的悲剧《哈姆雷特》),目标是研发可以生成与输入文档相似新文本的模型。在字符级语言建模中,输入被分解为一系列字符,这些字符一次一个地输入到网络中。网络处理每个新字符,同时结合看过的字符的记忆来预测下一个字符。该实现分成三步:准备数据、建立RNN模型、预测下个字符以及采样生成新文本:import pandas as pdimport pyprindfrom st原创 2020-11-30 00:07:39 · 632 阅读 · 0 评论 -
深度学习算法--python实现多层RNN对IMDb电影评论进行情感分析(源码+详细注释)
情感分析涉及分析句子或文本文档所表达的想法。现用多对一的体系结构来实现多层RNN以用于情感分析。输入或输出的数据将会属于以下三种不同的类别:·多对一:输入数据是一个序列,但输出数据不是序列而是固定的向 量。例如,情感分析的输入基于文本,而输出是分类标签。·一对多:输入数据是标准格式,不是序列,而输出数据是序列。一个例子是图像字幕,输入是图像,输出是英语短语。·多对多:输入和输出阵列都是序列。可以根据输入和输出是否同步来进一步划分该类别。同步多对多建模任务的例子是视频分类,标记视频的每帧。延迟多对多的原创 2020-11-29 22:34:14 · 2980 阅读 · 1 评论 -
深度学习算法--python实现用TensorFlow的Layers API构建的卷积神经网络即CNN(源码+详细注释)
卷积神经网络(CNN)模型的灵感来自于人类大脑视觉皮层识别物体的工作原理,且CNN在图像识别任务中表现突出,现用CNN来解决手写数字识别问题,观察CNN识别手写数字的能力。import sysimport osimport structimport numpy as npimport matplotlib.pyplot as pltimport tensorflow.compat.v1 as tftf.disable_v2_behavior()# 加载数据def load_mnist(p原创 2020-11-29 21:50:08 · 322 阅读 · 0 评论 -
深度学习算法--python实现用tensorflow构建的输入数据有多个来源的分类器+TensorBoard可视化图
假设来自于源A的数据通过占位符馈送,并且源B是数据生成器网络的输出。通过调用build_generator函数在generator域建立生成器网络,然后调用build_classifier在classifier域添加分类器:import numpy as npimport tensorflow.compat.v1 as tftf.disable_v2_behavior()############################# Helper functions ##########原创 2020-11-29 17:54:28 · 231 阅读 · 0 评论 -
深度学习算法--python实现用tensorflow实现简单线性回归模型
构建一个回归分析的实例模型,目标是实现线性回归模型:y = wx + b 。import numpy as npimport matplotlib.pyplot as pltimport tensorflow.compat.v1 as tftf.disable_v2_behavior()### Building a regression model# 建立计算图## define a graphg = tf.Graph()## define the computation graphw原创 2020-11-29 17:27:08 · 464 阅读 · 0 评论 -
深度学习算法--python实现用Keras研发构建一个多层感知器
用Keras研发构建一个多层感知器来分辨MNIST数据集中的手写数字import osimport sysimport structimport numpy as npimport matplotlib.pyplot as pltimport tensorflow.compat.v1 as tftf.disable_v2_behavior()import tensorflow.keras as kerasdef load_mnist(path, kind='train'): ""原创 2020-11-29 16:59:26 · 277 阅读 · 0 评论 -
深度学习算法--python实现用TensorFlow的Layers API构建一个多层感知器
通过tensorflow.layers(tf.layers)的高级API进行神经网络训练,实现一个多层感知器来分辨MNIST数据集中的手写数字import osimport sysimport structimport numpy as npimport matplotlib.pyplot as pltimport tensorflow.compat.v1 as tftf.disable_v2_behavior()def load_mnist(path, kind='train'):原创 2020-11-29 16:38:35 · 247 阅读 · 0 评论