![](https://img-blog.csdnimg.cn/e39cfddd326c4d419ecb21d78d988e96.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
《Python 深度学习》 刷书笔记
文章平均质量分 80
分享一些《Python 深度学习》 的刷书笔记,讲书中的代码部分加上自己的一些理解以及中文注释,做成电子档上传,仅供学习参考
FeverTwice
Stay hungry, stay foolish!
(╹ڡ╹ )
展开
-
《Python 深度学习》刷书笔记 Chapter 8 Part-3 神经网络风格转移
文章目录神经风格转移内容损失风格损失使用Keras实现神经风格迁移8-14 定义初始变量8-15 辅助函数8-16 加载预训练的VGG19网络并将其应用于三张图8-17 内容损失8-18 风格损失8-19 总变差损失8-20 定义需要最小化的最终损失8-21 设置梯度下降8-22 风格迁移循环结果展示写在最后神经风格转移神经风格转移(neural style transfer)中的风格(style)指的是图像中不同空间尺度的纹理、颜色和视觉图案神经风格转移主要有两个优化目标原图像与生成图像之.原创 2021-10-17 19:43:13 · 1228 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 8 Part-1 生成式深度学习
文章目录生成式深度学习8-1 对于不同的softmax温度,对概率进行重新加权实现字符级的LSTM文本生成8-2 下载并解析初始文本文件8-3 将字符序列向量化8-4 用于预测下一个字符的单层LSTM模型8-5 模型编译设置8-6 给定模型预测,采样下一个字符的函数8-7 文本生成循环总结写在最后import keraskeras.__version__Using TensorFlow backend.'2.3.1'生成式深度学习生成式深度学习的方法,就是使用前面的标记作为输.原创 2021-10-17 15:07:06 · 620 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 8 Part-2 用Keras 实现 DeepDream
文章目录用keras实现DeepDream8-8 加载预训练的 Inception V3模型8-9 设置DeepDream配置8-10 定义需要最大化的损失8-11 梯度上升过程8-12 在多个连续尺度上运行梯度上升8-13 辅助函数最终效果写在最后用keras实现DeepDream我们将在一个ImageNet上一个预训练的卷积神经网络开始。Keras中有许多这样的网络,使用DeepDream有以下几个特点使用DeepDream,我们尝试将所有的层激活最大化,而不是某一层激活的最大化同时将大.原创 2021-10-17 11:36:21 · 263 阅读 · 0 评论 -
✔✔✔ TensorBoard 的正确打开方法(含错误解决方法,超详细) ✔✔✔
本文针对**以下两个**问题进行了解答1. 空文件夹问题>No dashboards are active for the current data set.Probable causes:You haven’t written any data to your event files.TensorBoard 2. 打开文件夹语句版本问题tensorboard: error: invalid choice: 'my_log_dir2' (choose from 'serve', 'dev')原创 2021-10-16 17:33:30 · 40661 阅读 · 14 评论 -
《Python 深度学习》刷书笔记 Chapter 7 使用TensorBoard检查监控深度学习模型
文章目录使用TensorBoard可视化深度学习7-7 使用了TensorBoard的文本分类器7-8 创建一个文件7-9 使用一个TensorBoard回调函数来训练模型打开tensorboard的方法注意,新版的打开方式换了最终效果写在最后使用TensorBoard可视化深度学习TensorBoard是一个基于浏览器的可视化工具,只有当Keras使用TensorFlow后端时,这一方法才可运用于模型,其功能如下在训练过程中以可视化的方式监控指标将模型架构可视化将激活和梯度的直方图可视化.原创 2021-10-16 16:42:20 · 1165 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 7 Part-1 共享层权重
文章目录多输入模型7-1 用函数式API实现双输入问答模型7-2 将数据输入到多输入模型中多输出模型7-3 用函数式API实现一个三输出模型7-4 多输出模型的编译选项:多重损失7-5 多输出模型的编译选项:损失加权7-6 将数据输入到多输出模型中层组成的有向无环图Inception模块实现代码恒等残差连接模块线性残差连接模块共享层权重将模型作为层写在最后多输入模型我们通过使用函数式API,可以构建具有多个输入的模型,在这种情况下,我们可以在某一时刻用一个可以组合多种张量的层将不同的输入分支合并.原创 2021-10-15 21:34:08 · 335 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 6 Part-5 循环神经网络RNN
文章目录引入循环神经网络6-19 RNN 伪代码6-20 更详细的RNN伪代码6-21 简单RNN的Numpy实现使用RNN解决IMDB电影评价分类问题6-22 准备IMDB数据6-23 用Embedding层和SimpleRNN来训练模型6-24 绘制结果理解LSTM与GRU层Keras中的一个LSTM例子6-27 使用Keras中的LSTM层写在最后引入循环神经网络在此之前的神经网络所具有的特点:没有记忆,只会向前传播,在输入输出之间(模型的两端)没有任何状态循环神经网络:能够模拟人的阅读,.原创 2021-10-12 21:02:24 · 325 阅读 · 1 评论 -
《Python 深度学习》刷书笔记 Chapter 6 Part-4 使用预训练的词嵌入
文章目录从原始文本到词嵌入原始IMDB数据库6-8 处理IMDB原始数据标签6-9 对IMDB数据进行分词6-10 解析 GloVe词嵌入文件6-11 准备GloVe词嵌入矩阵6-12 模型定义6-13 将预训练的词加载到Embedding层中6-14 训练与评估6-15 绘制结果6-16 在不使用预训练词嵌入的情况下,训练相同的模型6-17 对测试集数据进行分词6-18 在测试集上评估模型写在最后从原始文本到词嵌入在这一小节中,我们将句子嵌入到向量序列中,然后将其展品,最后在上面训练一个Dens.原创 2021-10-12 18:37:11 · 164 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 6 Part-3 利用Embedding层学习词嵌入
文章目录使用词嵌入层(Embedding 层)利用Embedding层学习词嵌入6-5 将一个Embedding层实例化6-6 加载IMDB数据,准备用于Embedding层6-7 在IMDB数据上使用Embedding层和分类器写在最后使用词嵌入层(Embedding 层)将单词和向量关联还存在着一种强大的方法,就是使用更为密集的词向量(word vector),也叫词嵌入(word embedding),对比于one-hot编码如下:密集度维度生成方法One-hot.原创 2021-10-11 15:53:00 · 563 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 6 Part-1 神经网络处理文本序列的几种方法
文章目录处理文本数据6-1 单词级别的one-hot编码6-2 字符级别的one-hot编码6-3 用Keras实现单词级别的one-hot编码one-hot 散列技巧6-4 使用散列技巧的的单词级别的one-hot编码写在最后处理文本数据对于文本处理以及时间系列的处理,我们一般使用循环神经网络或者一维卷积神经网络和其他的神经网络一样,深度学习模型不能直接接收原始的自然语言文本作为输入,它只能处理数值张量,并将文本向量化,对此可以有以下几种实现方法:将文本分割为单词,并将每个单词都转换为一个.原创 2021-10-10 22:02:09 · 303 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-5 卷积神经网络的可视化 (非洲象热力图)
文章目录写在最后写在最后注:本文代码来自《Python 深度学习》,做成电子笔记的方式上传,仅供学习参考,作者均已运行成功,如有遗漏请练习本文作者各位看官,都看到这里了,麻烦动动手指头给博主来个点赞8,您的支持作者最大的创作动力哟!<(^-^)>才疏学浅,若有纰漏,恳请斧正本文章仅用于各位同志作为学习交流之用,不作任何商业用途,若涉及版权问题请速与作者联系,望悉知...原创 2021-10-10 20:12:14 · 981 阅读 · 2 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-4 卷积神经网络的可视化(Fillter)
文章目录可视化卷积神经网络2-25 读入模组5-26 观察图像观察卷积层特征提取5-27 建立多输出模型观察输出5-28 显示图像5-29 打印全部的识别图5-32 为过滤器的可视化定义损失张量5-33 获取损失相对于输入的梯度5-34 梯度标准化5-35 给定输入numpy值,得到numpy输出5-36 通过随机梯度下降将让损失最大化5-37 张量转换为有效图像的实用函数5-38 生成过滤器可视化的函数5-39 生成某一层中所有过滤器响应模式组成的网络总结写在最后可视化卷积神经网络一直以来,人们.原创 2021-10-10 19:37:29 · 193 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-3 使用预训练的卷积神经网络(dogs-vs-cats)
文章目录特征提取5-16 将VGG16卷积基实例化5-17 使用预训练的卷积基提取特征5-18 定义训练密集连接分类器5-19 绘制结果5-20 在卷积上添加一个密集连接分类器5-21 利用冻结卷积基端到端地训练模型微调模型模型35-22 冻结直到某一层的所有层5-23 微调模型5-24 使得曲线变平滑模型准率以及损失趋势图片数据平滑化调整后的图片显示最终训练结果总结写在最后特征提取图像分类一般包含两个部分一系列的池化层和卷积层(卷积基)密集连接分类器(全连接层)特征提取的定义: 取出在.原创 2021-10-09 22:07:39 · 171 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-2 案例dogs-vs-cats
文章目录卷积运算的原理输出特征图与输入的宽度和高度不同的原因最大池化运算使用MaxPooling层的原因猫狗识别案例下面是一个Kaggle上的猫狗识别案例代码清单 5-4构建深度学习网络5-5 将猫狗分类的小心卷积神经网络实例化5-6 配置模型用于训练5-7 使用ImageDataGenerator从目录读取图像5-8 利用批量生成器拟合模型5-9 保存模型5-10 绘制训练过程中的损失曲线和进度曲线模型准确度准确曲线模型损失曲线总结写在最后卷积运算的原理输出特征图与输入的宽度和高度不同的原因.原创 2021-10-06 18:04:18 · 188 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 5 Part-1 搭建一个简单的卷积神经网络
文章目录5-1, 5-2 实例化一个小型的卷积神经网络5-3 在MNIST图像上训练卷积神经网络结果对比卷积神经网络卷积层的构建写在最后5-1, 5-2 实例化一个小型的卷积神经网络在这一小节中,我们继续使用MNIST手写识别数据库对一个小型的卷积神经网络进行分析研究from keras import layersfrom keras import modelsmodel = models.Sequential()# 卷积层# 64 或是 32 表示通道数量model.add(la.原创 2021-10-05 17:21:46 · 178 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 4 关于电影评论模型的进一步探讨
文章目录电影评论模型的进一步改进4-3 原始模型4 - 4 容量更小的模型4-5 容量更大的模型4-6 向模型中添加L2权重正则化写在最后电影评论模型的进一步改进我们将在这一节使用实验的方式探讨电影评论模型的改进方法,在此之前,我们先总结几个知识点验证集和测试集的区别为什么不能把他们放在同一个集合里面?—信息泄露在调节超参数的时候,我们可能会把验证集中的某些特征泄露到这些超参数里面,从而使得模型的性能看起来是提高了,但是在面对完全陌生的数据集的时候,却不一定能够表现很好的泛化性(存在过.原创 2021-10-05 04:34:00 · 205 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 3 预测房价:回归问题
文章目录波士顿房价数据集3-24 加载波士顿房价数据3-25 数据标准化3-26 模型定义3-27 K折验证3-28 训练500轮,保存每折的验证结果3-29 计算所有伦次茨种的K折验证分数平均值3-30 绘制验证分数3-31 重新绘制验证分数3-32 绘制最终模型写在最后波士顿房价数据集在Chapter3的前面两个例子中我们都是使用深度学习算法来解决分类问题,而另一种在机器学习领域经常遇到的是回归问题回归问题: 预测一个连续值(用于预测功能居多)分类问题: 将输入的预测数据点贴上一个单一的.原创 2021-10-04 22:07:35 · 366 阅读 · 1 评论 -
《Python 深度学习》刷书笔记 Chapter 3 新闻分类:多分类问题
文章目录路透社数据集3-12 加载数据集3-13 将索引解码为新闻文本3-14 编码数据数据向量化标签向量化3-15 多分类模型定义3-16 编译模型3-17 验证方法3-21 使用更少的训练步数来训练神经网络将所得结果与完全随机的分类器结果对比3-22 在数据集上生成新的预测结果3-23 具有信息瓶颈的模型对比结论写在最后路透社数据集对于这个新闻数据集来说,这个是一个多分类问题数据集特征:文本分类数据集包含46个不同的主题训练集中每个主题至少有10个样本该数据集在Keras中,可以直.原创 2021-10-04 19:40:27 · 460 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 3 电影评论分类:二分类问题
文章目录写在最后写在最后注:本文代码来自《Python 深度学习》,做成电子笔记的方式上传,仅供学习参考,作者均已运行成功,如有遗漏请练习本文作者各位看官,都看到这里了,麻烦动动手指头给博主来个点赞8,您的支持作者最大的创作动力哟! <(^-^)>才疏学浅,若有纰漏,恳请斧正本文章仅用于各位同志作为学习交流之用,不作任何商业用途,若涉及版权问题请速与作者联系,望悉知...原创 2021-10-03 21:58:49 · 452 阅读 · 0 评论 -
《Python 深度学习》刷书笔记 Chapter 2 构建一个简单的神经网络
文章目录2.2 神经网络的表示代码清单 2-1代码清单 2-2, 2-3代码清单 2-4代码清单 2-5-1代码清单 2-5-2写在最后2.2 神经网络的表示代码清单 2-1# 解决编译器报错 using tenserflow backend的问题import osos.environ['KERAS_BACKEND']='tensorflow'from keras.datasets import mnist(train_images,train_labels),(test_images.原创 2021-10-02 10:47:52 · 153 阅读 · 0 评论