机器学习
文章平均质量分 63
悠悠海风
独立之精神,自由之思想
展开
-
MNIST数据集,图像识别(五)
使用神经网络模型提高MNIST数据集预测的准确率原创 2022-04-18 10:10:19 · 1609 阅读 · 0 评论 -
小批量梯度下降法,MNIST数据集
小批量梯度下降法在趋向最小损失方面更快,可以加速网络模型的训练速度,可能还会占有较少的内存资源。采用这样的方式加速模型的训练速度,会为我们之后的调参带来好处。 在之前所用的梯度下降法,被称之为批量梯度下降法,它是将所有的训练样本聚类成一个大的批量,然后计算整个批量的损失函数。而小批量梯度下降法是将训练集分割成更小的批量,然后对每个批量进行单步的梯度下降迭代计算。 我们依旧采用MNIST数据集,先要对整个训练样本数据集分成若干个批量,用函数分装起来,我们的代...原创 2022-04-12 11:09:27 · 1858 阅读 · 0 评论 -
MNIST数据集,图像识别(四)
接下来,我们来训练神经网络模型,但在此之前,需要介绍一下反向传播算法。 反向传播(backpropagation),简称为BP算法,是一种能够计算网络梯度的算法,使用求导的链式法则计算神经网络相对于权重的损失梯度,它工作的原理可以理解为是逐层求导,就是链式法则求导。我们使用BP算法就是用来计算神经网络中权重的梯度,从而进行模型的训练。但是,这与我们之前所用的梯度下降法是有区别的。 我们知道,正向传播的方向是从输入到输出,反向传播的方向是从损失回到权重,通过...原创 2022-04-11 18:58:19 · 1703 阅读 · 0 评论 -
MNIST数据集,图像识别(三)
采用神经网络预测MNIST数据集查看本篇博客,需要看一下前两篇博客,相信你会有所收获的!1、构建神经网路采用连接两个感知机,或者说是按照神经网络的输入层、隐藏层和输出层的结构对我们第二篇博客中提出的方法加以改进。同时,我们加入softmax函数,我们看下其公式:softmax函数会返回一个数值数组(我们用logit表示),其中每个元素的取值都是在0-1之间的,它的输出总和恒为1,就是softmax函数将这个总和进行了归一化处理。 现在...原创 2022-04-11 10:33:59 · 1393 阅读 · 0 评论 -
MNIST数据集,图像识别(二)
预测所有的数字,现在我们将mnist.py文件里面从加载标签以后的代码做以修改。def encode_digit(Y, digit): encoded_Y = np.zeros_like(Y) n_labels = Y.shape[0] for i in range(n_labels): if Y[i] == digit: encoded_Y[i][0] = 1 return encoded_YTRAININ...原创 2022-04-10 15:51:59 · 586 阅读 · 0 评论 -
MNIST数据集,图像识别(一)
1、MNIST简介 MNIST是一组带标签的图像集合,专门为监督学习组装而成,是改良的NIST。官网有这样的一段描述性话语:“It is a subset of a larger set available from NIST. The digits have been size-normalized and centered in a fixed-size image.”MNIST包含了若干手写的数字图像,其数值也是该图像的标签。每个图像的像素是28px*28px的灰度像素。 ...原创 2022-04-10 13:43:07 · 5165 阅读 · 0 评论 -
什么是机器学习,机器学习的用途?
目前,普遍认为,机器学习(Machine Learning,ML)是人工智能领域中的一个方向,主要是研究如何通过计算的手段,改进系统自身的性能,说到底是通过分析足够量的数据,不断改进已有的算法,从而使得算法更加的只能,进一步地提高了其泛化的能力。所谓的泛化能力简单地讲就是通过算法训练得到的模型对新的数据预测的准确性有很大的提高与改进。模型泛指从数据中学习到的结果,也可以理解为潜在的一种规律。 机器学习已经广泛应用于日常的生活中,如智能...原创 2022-04-09 10:35:52 · 4038 阅读 · 0 评论