人工智能
hxxjxw
这个作者很懒,什么都没留下…
展开
-
人工智能实践:Tensorflow笔记(一):人工智能概述
1、 图灵是人工智能之父。 图灵在1950年在论文《机器能思考吗?》中提出了图灵测试,一种用于判定机器是否具有智能的试验方法 把提问者C和回答者A和B分隔开,提问者多次向回答者提问,如果有30%的提问者认为对面是人而不是机器,那么这台机器就通过了图灵测试,具备了人工智能。这就是人工智能的概念,用机器模拟人的意识和思维2、现在的主流的4款人工智能助理...原创 2019-04-29 11:42:27 · 6056 阅读 · 2 评论 -
人工智能实践:Tensorflow笔记(三):神经网络优化
1、1943年McCulloch Pitts神经元模型引入的激活函数f可以有效避免仅使用的线性组合,提高了模型的表达率,是模型具有更好的区分度。常用的激活函数有relu、sigmoid、tanh2、神经网络的复杂度 神经网络的复杂度多用神经网络层数和神经网络参数的个数表示计算层数只计算具有运算能力的层(所以是不计入输入层的)3、神经网络的优化...原创 2019-05-05 12:46:50 · 793 阅读 · 0 评论 -
人工智能实践:Tensorflow笔记(二):TensorFlow框架
1、使用Tensorflow搭建神经网络时,通常用张量表示数据,用计算图搭建神经网络,用会话执行计算图,再优化神经网络的参数(权重),获得更准确的模型2、张量与计算图 张量(tensor):多维数组(列表) 阶:张量的维数 0阶张量就是标量判断张量是几阶的,就可以看方括号有几个,n个就是n阶张量可以表示0阶到n阶数组(列表)...原创 2019-05-01 09:09:42 · 614 阅读 · 0 评论 -
人工智能实践:Tensorflow笔记(四):全连接网络基础与实践
MNIST数据集7万张图片每张图片是一个28*28像素点的手写数字,黑底白字,黑底用0表示,白字用0~1之间的浮点数表示,越接近于1颜色越白模块化搭建神经网络八股手写数字识别准确率输出前向传播 mnist_forward.py反向传播 mnist_backward.py测试输出准确率 mnist_test.py...原创 2019-08-23 18:08:37 · 231 阅读 · 0 评论 -
人工智能实践:Tensorflow笔记(五):卷积网络基础与实践
卷积网络为了避免过拟合现象的发生,我们在实际应用时,往往不会将原始图片直接喂入全连接网络,会先对原始图片进行特征提取,把提取到的特征喂给全连接网络卷积便是一种有效提取图片特征的方法输出图片边长= (输入图片边长-卷积核长+1)/步长有时候会在输入图片周围进行全0填充,这样可以保证输出图片的尺寸和输入图片一致池化分为最大池化和均值池化...原创 2019-08-24 10:17:47 · 249 阅读 · 0 评论