- 博客(22)
- 收藏
- 关注
原创 Tensorflow2.0入门教程22:RNN网络实现文本分类
RNN实现文本分类import tensorflow as tf下载数据集imdb=tf.keras.datasets.imdb(train_x, train_y), (test_x, test_y)=imdb.load_data(num_words = 10000)Downloading data from https://storage.googleapis.com/tensor...
2020-03-17 14:09:48
1470
原创 Tensorflow2.0入门教程21:RNN模型结构及搭建
循环神经网络循环神经网络(Recurrent Neural Network, RNN)是一种适宜于处理序列数据的神经网络,被广泛用于语言模型、文本生成、机器翻译等。常用模型结构定义循环神经网络层APISimpleRNN、LSTM、GRUimport tensorflow as tf1.SimpleRNNVanilla RNNtf.keras.layers.SimpleRNN...
2020-03-17 13:51:45
4039
3
原创 Tensorflow2.0入门教程20:Tensorboard可视化
使用keras回调函数tf.keras.callbacks.TensorBoard参数说明:log_dir:保存TensorBoard要解析的日志文件的目录的路径。histogram_freq:频率(在epoch中),计算模型层的激活和权重直方图。如果设置为0,则不会计算直方图。必须为直方图可视化指定验证数据(或拆分)。write_graph:是否在TensorBoard中可...
2020-03-16 18:41:35
1710
4
原创 Tensorflow2.0入门教程19:模型的保存与恢复
一、模型保存:1.保存模型参数2.保存整个模型回调函数保存手动保存1.回调函数:tf.keras.callbacks.ModelCheckpoint训练期间保存模型(以 checkpoints 形式保存),Checkpoint是一个二进制文件,它保存了权重、偏置项、梯度以及其他所有的变量的取值,扩展名为.ckptkeras.callbacks.ModelChe...
2020-03-16 18:34:40
5725
原创 Tensorflow2.0入门教程18:模型调参之动态改变学习率
学习率衰减:加快学习算法的一个办法就是随时间慢慢减少学习率,我们将之称为学习率衰减(learning rate decay),在训练过程中,我们可以根据训练的结果对学习率做出改变。import cv2import osimport tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltpath='flower...
2020-03-16 18:24:20
8830
原创 Tensorflow2.0入门教程17:模型调参之过拟合及解决方法
过拟合(overfitting)现象:训练集准确率(高)与验证集准确(低)率差异过大欠拟合(underfitting)现象:训练集和测试集准确率都偏低欠拟合也叫作叫高偏差(bias),过拟合也叫高方差(variance)原因:训练集的数量级和模型的复杂度不匹配。训练集的数量级要小于模型的复杂度;训练集和测试集特征分布不一致;样本里的噪音数据干扰过大,大到模型过分记住了噪音...
2020-03-16 18:04:57
1235
1
原创 Tensorflow2.0入门教程16:使用经典CNN网络进行迁移学习和微调
Keras中预定义的经典卷积神经网络结构,如:XceptionVGG16VGG19ResNet, ResNetV2InceptionV3InceptionResNetV2MobileNetMobileNetV2DenseNetNASNet下载预训练模型:tf.keras.applicationstf.keras.applications 中有一些预定义好的经典卷积神经网络结...
2020-03-16 16:32:29
2332
2
原创 Tensorflow2.0入门教程15:CNN网络添加BN层
BN(BatchNormalization)层的作用:1,加速收敛;2,控制过拟合,可以少用Dropout或者不用Dropout;3,降低网络对初始化权重的不敏感;4,允许使用比较大的学习率。解决梯度消失与梯度爆炸的问题1,网络中训练以batch_size为最小单位不断迭代,新的batch_size进入网络,就会产生新的γ与β,在BN层中,有总图片/batch_size组γ与β被保...
2020-03-16 16:15:54
6057
8
原创 Tensorflow2.0入门教程14:CNN网络基础示例
CNN网络结构包含一个或多个卷积层(Convolutional Layer)、池化层(Pooling Layer)和全连接层(Fully-connected Layer)。卷积:提取局部特征https://pic.rmb.bdstatic.com/e6871b1259fe02a5192e15294fc684148433.gifhttps://img-blog.csdnimg.cn/...
2020-03-16 16:06:09
643
原创 Tensorflow2.0入门教程13:自定义层、损失函数和评估指标
如果现有的这些层无法满足我的要求,我需要定义自己的层怎么办?我们不仅可以继承 tf.keras.Model 编写自己的模型类,也可以继承 tf.keras.layers.Layer 编写自己的层。自定义层自定义层需要继承 tf.keras.layers.Layer 类,并重写 init 、 build 和 call 三个方法,如下所示:import tensorflow as tfcla...
2020-03-16 15:08:17
1973
1
原创 Tensorflow2.0入门教程12:自定义循环训练模型
自动求导机制在机器学习中,梯度下降时候需要计算函数的导数,TensorFlow 提供了强大的自动求导机制来计算导数, 使用tf.GradientTape()自动求导;tf.Variable():定义变量,变量同样具有形状、类型和值三种属性。使用变量需要有一个初始化过程,可以通过在 tf.Variable() 中指定 initial_value 参数来指定初始值;变量与普通张量的一个重要区别...
2020-03-16 15:04:30
2499
1
原创 Tensorflow2.0入门教程11:多层感知机(MLP)模型搭建
MLP模型结构MLP网络实现fashion_mnist图像分类1.使用tf.keras.datasets获得数据集2.构建模型3.模型配置4.训练模型5.验证模型import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt%matplotlib inline一、数据获取及预处理: tf.k...
2020-03-16 14:59:18
1679
1
原创 Tensorflow2.0入门教程10:tf.data.Dataset使用介绍
很多时候,我们希望使用自己的数据集来训练模型。然而,面对一堆格式不一的原始数据文件,将其预处理并读入程序的过程往往十分繁琐,甚至比模型的设计还要耗费精力。比如,为了读入一批图像文件,我们可能需要纠结于 python 的各种图像处理包(比如 pillow ),自己设计 Batch 的生成方式,最后还可能在运行的效率上不尽如人意。为此,TensorFlow 提供了 tf.data 这一模块,包括了一套...
2020-03-16 14:50:18
5726
原创 Tensorflow2.0入门教程9:TensorFlow Datasets 数据集载入
两种方法1.tensorflow_datasets包载入https://tensorflow.google.cn/datasets/overview2.tf.keras.datasets载入一、tensorflow_datasets载入数据集安装包pip install tensorflow_datasets导入包import tensorflow as tfimport te...
2020-03-16 14:38:37
7995
2
原创 Tensorflow2.0入门教程8:信用卡反欺诈案例
通过Keras模型类搭建神经网络模型import tensorflow as tfimport pandas as pdimport numpy as nppandas读取数据data = pd.read_csv("creditcard.csv")data.head() Time V1 V2 V3...
2020-03-16 14:31:54
906
原创 Tensorflow2.0入门教程7:Keras模型类搭建神经网络模型
Keras 模型以类的形式呈现,我们可以通过继承 tf.keras.Model 这个 Python 类来定义自己的模型。在继承类中,我们需要重写 init()(构造函数,初始化)和 call(input) (模型调用)两个方法,同时也可以根据需要增加自定义的方法。当模型比较复杂时,推荐使用这种方法搭建网络。定义模型一般结构class MyModel(tf.keras.Model): ...
2020-03-16 14:23:37
830
原创 Tensorflow2.0入门教程6:逻辑回归基础示例
搭建模型一般步骤1.数据2.模型3.目标函数4.优化算法5.评价指标(准确率)数据import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport pickle%matplotlib inlinewith open('./logistic_regression.pkl', 'r...
2020-03-16 14:12:36
1072
2
原创 Tensorflow2.0入门教程5:广告投放销量预估案例
利用线性回归实现广告投放量预估import tensorflow as tfimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inline数据分析data = pd.read_csv("Advertising.csv")data.head() TV ...
2020-03-16 10:43:09
1056
原创 Tensorflow2.0入门教程4:顺序式模型和函数式模型搭建神经网络
tf.kearsKeras 是一个广为流行的高级神经网络 API,简单、快速而不失灵活性,现已得到 TensorFlow 的官方内置和全面支持。两个重要概念:模型(Model)和层(Layer)层将各种计算流程和变量进行了封装(例如基本的全连接层,CNN 的卷积层、池化层等),而模型则将各种层进行组织和连接,并封装成一个整体,描述了如何将输入数据通过各种层以及运算而得到输出。import ...
2020-03-16 10:31:26
2275
1
原创 Tensorflow2.0入门教程3:Numpy下的线性回归
一、搭建模型一般步骤1.数据2.模型3.目标函数4.优化算法二、任务描述已知数据x,y,假设y和x存在y=w*x+b的关系,使用梯度下降方法来求线性模型中两个参数 w 和 b 的值import numpy as npimport matplotlib.pyplot as pltimport numpy as npx = np.array([1.0, 2.0, 3.0, 4...
2020-03-09 17:15:13
357
原创 Tensorflow2.0入门教程2:认识张量Tensor
知识点1.认识张量Tensor:标量、向量、矩阵,张量的属性(形状、类型和值);2.Tensorflow运算操作:加、减乘除、矩阵运算等;认识张量TensorTensorFlow 使用 张量 (Tensor)作为数据的基本单位。TensorFlow 的张量在概念上等同于多维数组,我们可以使用它来描述数学中的标量(scalar,0维数组)、向量(vector,1维数组)、矩阵(matri...
2020-03-09 16:37:13
428
原创 Tensorflow2.0入门教程1:Tensorflow安装
Tensorlow2.0特性模型的建立与调试: 使用动态图模式 Eager Execution 和著名的神经网络高层 API 框架 Keras,结合可视化工具 TensorBoard,简易、快速地建立和调试模型;模型的训练: 支持 CPU / 单 GPU / 单机多卡 GPU / 多机集群 / TPU 训练模型,充分利用海量数据和计算资源进行高效训练;模型的部署: 通过 Tens...
2020-03-09 16:23:30
358
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人