![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
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 · 6054 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、tanh 2、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 · 791 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 · 609 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 · 230 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