- 博客(24)
- 资源 (42)
- 收藏
- 关注
原创 如何理解np.sum tf.reduce_sum( tf.reduce_max tf.reduce_mean)等对tensor和高维矩阵的axis选择的操作
一个不是很简单,但是很好理解的方法是:你的输入矩阵的shape是(2,2,4),那么当axis=0时,就是在第一个dimension上进行求和,最后得到的结果的shape就是去掉第一个dimension后的shape,也就是(2,4)。具体的计算方法则是,对于c[i,j,k],假设输出矩阵为s[j,k],第一个dimension求和那么就是s[j,k]=∑i(c[i,j,k])如果axis=1,那...
2018-03-27 11:00:18 3970
转载 有关l2,1范数作用的理解--正则化项作用,不同于l1范数(矩阵元素绝对值之和)的稀疏要求,l21范数还要求行稀疏
今天和导师讨论问题的时候,说到了l21范数。导数希望我能解释一下,我明白它的作用可是我知道我没有向老师解释清楚,有些失落。今晚就自己总结一下吧,希望下次再有人问我这个问题的时候我能向别人解释清楚。先看上面l21范数的定义,注意原始矩阵是n行t列的,根号下平方是对列求和,也就是说是在同一行中进行操作的,根号部分就相当于一个l2范数,由此可以看出l21范数实则为矩阵X每一行的l2范数之和。在矩阵稀疏表...
2018-03-27 10:11:09 5693 3
转载 常见向量范数和矩阵范数
1、向量范数1-范数:,即向量元素绝对值之和,matlab调用函数norm(x, 1) 。2-范数:,Euclid范数(欧几里得范数,常用计算向量长度),即向量元素绝对值的平方和再开方,matlab调用函数norm(x, 2)。∞-范数:,即所有向量元素绝对值中的最大值,matlab调用函数norm(x, inf)。-∞-范数:,即所有向量元素绝对值中的最小值,matlab调用函数norm(x, ...
2018-03-27 09:51:45 651
原创 如何理解张量tensor
1 关于张量的四种定义“张量”在不同的运用场景下有不同的定义。第一个定义,张量是多维数组,这个定义常见于各种人工智能软件。听起来还好理解。--本文仅解释此种2 多维数组从第一个定义:张量是多维数组开始。现在机器学习很火,知名开源框架tensor-flow是这么定义tensor(张量)的:A tensor is a generalization of vectors and matrices to ...
2018-03-26 12:58:13 843
转载 Tensorflow CNN(两层卷积+全连接+softmax)
由于卷积用于分类的方法非常固定,因此直接贴上源码以及链接,有需要的直接稍加修改就可以了。 传送门 简单写一下心得体会 卷积层+pooling层#定义变量,初始化为截断正态分布的变量def weight_variable(shape): initial = tf.truncated_normal(shape, stddev=0.1) return tf.Variable(initi...
2018-03-24 23:57:37 3355
原创 TensorFlow 基本使用
本文结合以下文章理解最好:https://wenku.baidu.com/view/f09546d4dc88d0d233d4b14e852458fb770b38ef.html使用TensorFlow,你必须明白TensorFlow:使用图(graph)来表示任务被称之为会话(Session)的上下文(context)中执行图使用tensor表示数据通过变量(Variable)维护状态使用feed和...
2018-03-24 14:54:14 706
转载 tf.nn.conv2d理解(带通道的卷积图片输出案例)
三篇参考:1.https://blog.csdn.net/goodshot/article/details/79655915 TF-卷积函数 tf.nn.conv2d 介绍2.https://blog.csdn.net/goodshot/article/details/79677758 tf.nn.conv2d理解(带通道的卷积图片输出案例)3.https://blog.csdn.net/goo...
2018-03-24 14:38:13 6944
转载 彻底搞懂CNN
之前通过各种博客视频学习CNN,总是对参数啊原理啊什么的懵懵懂懂。。这次上课终于弄明白了,O(∩_∩)O~上世纪科学家们发现了几个视觉神经特点,视神经具有局部感受野,一整张图的识别由多个局部识别点构成;不同神经元对不同形状有识别能力,且视神经具有叠加能力,高层复杂的图案可以由低层简单线条组成。之后人们发现经过conclusional的操作,可以很好反映视神经处理计算的过程,典型的是1998年LeC...
2018-03-22 20:53:16 716
转载 TF-卷积函数 tf.nn.conv2d 介绍
tf.nn.conv2d是TensorFlow里面实现卷积的函数,参考文档对它的介绍并不是很详细,实际上这是搭建卷积神经网络比较核心的一个方法,非常重要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:...
2018-03-22 16:29:50 795
原创 1. 根据输出的数据,对各个阶维度的反推+2.tf中生成根据指定的shape,tensor的各个阶的维度判断
方法:从最内部的不能分解元素观看,确定包括在最里面[]的个数,作为最后的一级的阶的维度,再以该[]为级别,数出同级的包括在另外一个[]之内的作为倒数第二阶的维度,依此类推,直到最后一级最为外层的[]结束。input=tf.random_normal([2, 3, 3, 5]) sess=tf.Session()mat=sess.run(input)print("mat:",mat) #生成四维张...
2018-03-22 15:31:11 607
转载 【TensorFlow】tf.nn.conv2d是怎样实现卷积的?
三篇参考:1.https://blog.csdn.net/goodshot/article/details/79655915 TF-卷积函数 tf.nn.conv2d 介绍2.https://blog.csdn.net/goodshot/article/details/79677758 tf.nn.conv2d理解(带通道的卷积图片输出案例)3.https://blog.csdn.net/goo...
2018-03-22 14:36:47 1697
原创 tensorflow中random_normal的使用,案例说明,一看便知
先说明函数:tf.random_normaltf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)Outputs random values from a normal distribution.Args:shape: A 1-D integer Tensor or Python a...
2018-03-22 14:33:17 2651
转载 DFF(深度前馈网络)学习参考
这篇教程是翻译Peter Roelants写的神经网络教程,作者已经授权翻译,这是原文。该教程将介绍如何入门神经网络,一共包含五部分。你可以在以下链接找到完整内容。(一)神经网络入门之线性回归Logistic分类函数(二)神经网络入门之Logistic回归(分类问题)(三)神经网络入门之隐藏层设计Softmax分类函数(四)神经网络入门之矢量化(五)神经网络入门之构建多层网络...
2018-03-21 16:38:56 1369
转载 DFF之--(一)神经网络入门之线性回归
这篇教程是翻译Peter Roelants写的神经网络教程,作者已经授权翻译,这是原文。该教程将介绍如何入门神经网络,一共包含五部分。你可以在以下链接找到完整内容。(一)神经网络入门之线性回归Logistic分类函数(二)神经网络入门之Logistic回归(分类问题)(三)神经网络入门之隐藏层设计Softmax分类函数(四)神经网络入门之矢量化(五)神经网络入门之构建多层网络这篇教程中的代码是由 ...
2018-03-21 16:32:58 2201
原创 解释一下全连接层&CNN中全连接层是什么样的
(名称:全连接。意思就是输出层的神经元和输入层的每个神经元都连接)在卷积神经网络的最后,往往会出现一两层全连接层,全连接一般会把卷积输出的二维特征图转化成一维的一个向量,这是怎么来的呢?目的何在呢?举个例子:最后的两列小圆球就是两个全连接层,在最后一层卷积结束后,进行了最后一次池化,输出了20个12*12的图像,然后通过了一个全连接层变成了1*100的向量。这是怎么做到的呢,其实就是有20*100...
2018-03-20 22:59:37 28992 7
转载 CNN中全连接层是什么样的
名称:全连接。意思就是输出层的神经元和输入层的每个神经元都连接。例子: AlexNet 网络中第一个全连接层是这样的:layer { name: "fc6" type: "InnerProduct" bottom: "pool5" top:"fc6" param { lr_mult: 1 decay_mult: 1 } param { lr_m...
2018-03-20 22:45:34 1467
原创 线性映射和线性变换的区别
线性映射(linear map),是从一个向量空间V到另一个向量空间W的映射且保持加法运算和数量乘法运算。线性映射总是把线性子空间变为线性子空间,但是维数可能降低。而线性变换(linear transformation)是线性空间V到其自身的线性映射 线性空间V到自身的映射通常称为V上的一个变换。 同时具有以下定义: 线性空间V上的一个变换A称为线性变换,如果对于V中任意的元素α...
2018-03-13 15:45:47 25126 2
转载 数学-矩阵计算(4)两种布局
之前会发现在有的求导上最后结果需要转置,而有的不需要,很困惑,然后才发现了这个维基上面的解释(这才是写该博文的主要价值,注意到不同的布局问题,其他部分只是为了完整性而写的),而且下面也有很多很不错的参考链接,其中就有之前的矩阵计算(2)和矩阵计算(3)的链接。维基最后更新时间:17 April 2015, at 21:34.matrix calculus 在数学上, 矩阵微积分是用来表示多变...
2018-03-13 15:45:41 1899 1
转载 数学-矩阵计算(2)矩阵函数微积分前奏
矩阵微积分会涉及到对矩阵函数操作的规则。例如,假设将一个m×n 的矩阵 X 映射到一个p×q 的矩阵 Y 中。而我们期望获得的导数表达式如下:对于所有的 i,j 和k,l 来说,这里主要的困难在于如何将对矩阵内的元素对应的求导,我们在矩阵计算(1)中最后有关矩阵对矩阵的求导,可是如果矩阵过大,那就非人力可以为之了,所以,为了更好的计算,就需要将矩阵的求导上升到一个较高的抽象的层面。 在矩阵...
2018-03-13 11:23:59 3401
转载 数学-矩阵计算(1)矩阵和向量的求导法则
机器学习、模式识别等领域,都是需要借助数学的,所以对于数学的理解和运用是十分重要的,这里先转载网上暂时找到的矩阵求导的一小部分。成长路漫漫,多学一点,就能更加接近自己的梦想!矩阵分四个博文介绍,这里是第一个。下面的(一部分)来自某个pdf中,因为不知道出处,所以也就没法引用了。见谅!一、矩阵的元素级别求导1.1 行向量对元素求导设是 n 维行向量,x 是元素,那么:1.2 列向量对元素求导...
2018-03-13 11:22:40 461
原创 python 中 np.sum()函数 通俗易懂理解!
这一篇博客保证是我写的最清楚,最容易理解的博客!! 众所周知,sum不传参的时候,是所有元素的总和。这里就不说了。1 sum函数可以传入一个axis的参数,这个参数怎么理解呢?这样理解:假设我生成一个numpy数组a,如下[python] view plain copy>>> import numpy as np >>> a = np.array([[...
2018-03-10 12:38:13 10013 2
转载 凸集、凸函数、凸优化问题 概念关联
参考我的博客:http://blog.csdn.net/GoodShot/article/details/79162032机器学习中,经常会用到凸集、凸函数、凸优化问题。 这里对这些概念进行介绍,简单介绍其关系。凸集:如果集合A中任意两个元素的连线上的点也在集合内,则为凸集。见下图。 凸函数:函数任意两点连线上的值大于对应对应自变量出的函数值,则为凸函数。见下图。 凸优化:目标函数是凸函数,变量...
2018-03-10 11:53:47 891
转载 sklearn 常用模块及类与方法
preprocessing StandardScalerLabelEncoderOneHotEncodermodel_selection train_test_split(新版本从 cross_validation 移步于此)decomposition PCAlinear_model: LogisticRegressionpipeline from sklearn.pipeline import ...
2018-03-09 16:10:15 1399
转载 数据标准化/归一化normalization
参考:https://blog.csdn.net/GoodShot/article/details/79925164这里主要讲连续型特征归一化的常用方法。离散参考[数据预处理:独热编码(One-Hot Encoding)]。基础知识参考:[均值、方差与协方差矩阵 ][矩阵论:向量范数和矩阵范数 ]数据的标准化(normalization)和归一化 数据的标准化(normalization)是...
2018-03-08 19:20:53 37006 1
jquery-1.8.0.js+jquery-1.8.0-vsdoc.js
2013-02-22
VS2008jQuery智能提示
2013-02-22
asp.net在线截图web控件
2013-02-22
一个方便使用的在线截图Web控件-WebImageMaker
2013-02-22
ASP.NET 公司框架源码(70%成品)
2013-02-12
SNMP(简单网络管理协议)的原理和使用方法
2012-07-21
Endnote 7.5 文件 绿色版
2018-04-18
Endnote文献管理工具
2016-09-19
ACCP 6.0 Y2A 程序三种与数据库打交道的方式性能及安全性比较 .
2013-02-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人