2018年07月_小T是我

11月 08月 07月 06月 05月

原创 tf.nn.max_pool,tf.nn.conv2d,tf.layers.conv2d输入输出shape总结

通过卷积神经网络训练数据集的时候，卷积层，池化层的shape出错就会crash，下面总结一下：tf.nn.conv2d原型：tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=True, data_format='NHWC', dilations=[1, 1...

2018-07-30 14:02:06 4270

原创深度学习实战(四) 在MNIST上训练一个CNN

Build your own CNN and try to achieve the highest possible accuracy on MNIST.import tensorflow as tfimport numpy as npfrom datetime import datetimeimport osdef shuffle_batch(X, y, batch_size):...

2018-07-30 12:05:18 506

原创深度学习实战(三) 构建DNN来比较两个数字图像是否相等

Pretraining on an auxiliary task. In this exercise you will build a DNN that compares two MNIST digit images and predicts whether they represent the same digit or not. Then you will reuse the lower...

2018-07-29 19:16:02 758 1

原创深度学习实战(二) 模型重用及冻结层

Transfer learning.Create a new DNN that reuses all the pretrained hidden layers of the previous model, freezes them, and replaces the softmax output layer with a fresh new one.Train this new DNN o...

2018-07-29 01:51:15 2660 2

原创深度学习实战(一) 在MNIST上训练DNN，比较学习曲线并保存最优模型

Build a DNN with five hidden layers of 100 neurons each, He initialization, and the ELU activation function. Using Adam optimization and early stopping, try training it on MNIST but only on dig...

2018-07-28 02:19:50 2276

原创斯坦福大学《Machine Learning》第11周学习笔记

Application Example: Photo OCRPhoto OCRProblem Description and Pipeline问题描述和流水线机器学习的应用实例：照片OCR技术第一一个复杂的机器学习系统是如何被组合起来的第二机器学习流水线（machine learning pipeline）的有关概念以及在决定下一步做什么时如何分配资源最后...

2018-07-08 22:40:22 694 1

原创斯坦福大学《Machine Learning》第10周学习笔记

Large Scale Machine Learning大规模机器学习Gradient Descent with Large Datasets具有大数据集的梯度下降Learning With Large Datasets学习大型数据集我们已经知道得到一个高效的机器学习系统的最好的方式之一是用一个低偏差的学习算法然后用很多数据来训练它但训练大的数据集也有它自己的问题特别是计...

2018-07-08 14:43:44 649

原创斯坦福大学《Machine Learning》第9周学习笔记

Anomaly Detection异常检测Density Estimation密度估计Problem Motivation问题动机异常检测(Anomaly detection)问题是机器学习算法的一个常见应用这种算法的一个有趣之处在于它虽然主要用于非监督学习问题但从某些角度看它又类似于一些监督学习问题什么是异常检测呢？飞机引擎制造商生产的飞机引擎从生产线上...

2018-07-07 20:16:39 956