![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
just-do-it-zzj
有人经常说:选择比努力更重要,可是如果你不努力,哪里有选择的机会。
展开
-
[深度学习]反向传播的微分原理
1、反向传播的定义 前面的文章《什么叫梯度学习》,介绍了梯度学习的原理,本文将介绍神经网络“自动学习”的核心算法:反向传播,即使BP算法。BP算法的输入输出关系实质上是一种映射关系,建立在梯度下降的基础上。 BP算法的学习过程由正向传播过程和反向传播过程组成。在正向传播过程中,输入信息通过输入层经隐含层,逐层处理并传向输出层。如果在输出层得不到期望的输出值,则取输出与期望的误差的平方和作为目标函数,转入反向传播,逐层求出目标函数对各神经元权值的偏导数,构成目标函数对权值向量的...原创 2020-08-03 17:14:01 · 564 阅读 · 2 评论 -
[深度学习]什么叫梯度学习
1.梯度下降的定义梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解无约束优化问题,如机器学习算法的模型参数,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失函数和模型参数值。在机器学习中,基于基本的梯度下降法发展了两种梯度下降方法,分别为随机梯度下降法和批量梯度下降法。如下面的二次函数,如何求得它的最值?通常的做法...原创 2020-07-30 17:52:50 · 3294 阅读 · 4 评论 -
[深度学习]什么叫激活函数
1.激活函数的定义我们看百度百科对激活函数的定义:激活函数(Activation Function),就是在人工神经网络的神经元上运行的函数,负责将神经元的输入映射到输出端。激活函数(Activation functions)对于人工神经网络模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。它们将非线性特性引入到我们的网络中。可以看出,激活函数主要的两个特性:在人工神经网络上运行的函数,既然是一个函数,就能够普通的函数一样使用。 把非线性特性引入网络中,简单说就是激活...原创 2020-07-29 14:12:04 · 4235 阅读 · 1 评论 -
[人脸识别]什么叫One-shot learning
人脸识别技术现在越来越成熟,比如常见的应用场景:考勤、门禁、火车站认证、机场认证等,那么人脸识别的技术原理是什么呢?现在开始我用大白话的方式记录我学习的过程。人脸识别系统涉及两种技术:活体识别:识别读入的信息是活的人脸,而不是图片 人脸识别:即读取人脸信息,经过计算和对比,得到这人脸信息是否合法今天主要讲人脸识别的流程,假如我的数据库中有3张明星图片,现在我通过输入另外一张图片(杨幂),要求系统识别出来是否在系统中。通常我们想到的就是,把所有的图片数据作为一个训练数据集,训练出一个.原创 2020-07-26 22:52:31 · 1064 阅读 · 0 评论 -
[深度学习]大白话之卷积神经网络
目录1、卷积神经网络的结构2、相关参数的表示法2.1、输入层参数2.2、padding2.3、过滤器参数2.4、步长2.5、全连接神经数3、卷积层3.1 卷积实例13.2 卷积实例23.3 卷积实例33.4卷积实例44、池化层5、全连接层卷积神经网络(Convolutional Neural Network,CNN)是一种前馈型的神经网络,其在图像处理方面有出色的表现,其目的就是抽取特征,目前已经被大范围使用到图像处理、自然语言处理等领域中。相比于原创 2020-07-19 23:54:54 · 500 阅读 · 1 评论 -
[tensorflow]tensorflw2.1.0张量和变量介绍
1.张量1.1张量的概念张量:是具有统一类型(称为dtype)、不可变的多维数组。可以分三种分类:标量,只有一个值 矢量,一个数组 矩阵,多维数组#标量rank_0_tensor = tf.constant(4)print(rank_0_tensor)#矢量rank_1_tensor = tf.constant([2.0, 3.0, 4.0])print(rank_1_tensor)#矩阵rank_2_tensor = tf.constant([[1, 2], ..原创 2020-07-16 14:52:06 · 309 阅读 · 0 评论 -
[tensorflow]tensorflow2.0的优化理论
网络容量:训练过程中可以调整参数的数量。即在模型训练过程中有多少参数可以自定义进行调整,能调整得越多,网络容量越多。拟合:训练结果和真实值之间的接近程度。过拟合:训练结果和真实值之间非常接近,但是和评估值之间相距较大。欠拟合:训练结果和真实值之间差距较大,但是和评估值之间差距也较大。较理想的训练结果就是训练结果和真实值之间非常接近,但是和评估值之间也非常接近,也就是正确率较大,损失率较小。那么在实际训练中如何做到这个目标呢?一般上创建模型时先尽量做到过拟合,然后根据评估结果进行逐渐调整,原创 2020-07-15 17:47:04 · 373 阅读 · 0 评论 -
[tensorflow]tensorflow2.1.0使用内置方法进行培训和评估
1、引言本练习使用内置API进行训练和验证时的训练,评估和预测(推断)模型(例如model.fit(),model.evaluate(),model.predict())。我们最回顾下机器学习的一般步骤:数据准备 创建模型 训练模型 评估模型 预测数据其实任何机器学习的过程都是这几个大步骤的扩充和缩减。说明:本练习用tensorflow 2.1.0,python 3.7 如不说明,所有代码读引入以下包import tensorflow as tffrom tensorf原创 2020-07-12 23:02:49 · 318 阅读 · 0 评论 -
[tensorflow]tensorflow 2.1 函数API(The Functional API)
1、函数API介绍Keras的函数API是一种创建模型的方法,该模型比tf.keras.Sequential API更灵活。可以处理具有非线性拓扑的模型,具有共享层的模型以及具有多个输入或输出的模型。2、创建模型说明:本文用tensorflow 2.1.1,python3.7进行实验 如无说明,所有的代码都默认引入以下包import numpy as npimport tensorflow as tffrom tensorflow import kerasfrom tensorfl...原创 2020-07-12 18:11:33 · 872 阅读 · 0 评论 -
[tensorflow]tensorflow 顺序模型(Sequential model)
1、适用顺序模型的情况顺序模型适用于简单的层堆栈,其中每一层正好具有一个输入张量和一个输出张量。例如:import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layers# Define Sequential model with 3 layersmodel = keras.Sequential( [layers.Dense(2, activation="relu", name...原创 2020-07-11 23:31:09 · 5567 阅读 · 0 评论 -
[tensorflow]win 环境 安装anacoda 4.8.2 和tensorflow 2.1.0
Anaconda的安装1、下载地址:https://www.anaconda.com/download/#download因为国外下载速度很慢,建议用清华的镜像地址进行下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D下载最新的版本,我安装时最新的版本是4.8.2,也可以安装后更新到最新版本2、安装在win 下,除了修改安装目录,其他配置采用默认即可;这里我的安装目录为(下面配置用到):D原创 2020-07-11 19:01:10 · 444 阅读 · 0 评论