- 博客(6)
- 收藏
- 关注
RSS订阅原创 ＜机器学习系列＞ 线性回归模型
前言线性回归模型是机器学习中一个基本回归模型，是许多模型的基础，学习好线性回归模型有助于我们的机器学习，这里简单介绍下线性回归模型并且提供Python代码演示。 如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: https://github.com/FesianXu 代码开源：click线性回
2017-10-16 00:17:11
1296
原创 随机梯度下降法，批量梯度下降法和小批量梯度下降法以及代码实现
前言梯度下降法是深度学习领域用于最优化的常见方法，根据使用的batch大小，可分为随机梯度下降法（SGD）和批量梯度下降法（BGD）和小批量梯度下降法（MBGD），这里简单介绍下并且提供Python代码演示。 如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: https://github.com
2017-10-15 19:35:42
5487
2
原创 TensorFlow模型的保存和持久化
前言在TensorFlow中，一旦模型训练完成，就需要对其进行持久化操作，也就是将其保存起来，在需要进行对新样本进行测试时，程序加载已经持久化后的模型。在这个过程中就涉及到了模型的持久化操作，在这里简单分享下自己的所见所学。 如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: https://gi
2017-10-15 15:18:40
4221
2
原创 <深度学习系列>基于numpy和python的反向传播算法的实现与分析
前言本文基于反向传播算法的原理，实现了一个基于numpy和python的三层全连接神经网络，用于分类任务。其中在实现过程中，将会用代码的形式呈现梯度消失的现象，本文中的符号请参考我的前文《反向传播算法的公式推导》，代码将由github托管，有帮助的朋友欢迎star。 如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.com QQ: 97392619
2017-10-15 10:45:53
8356
4
原创 TensorlFlow中的一些坑
RNN/LSTM相关issue link:Saving and Restoring a trained LSTM in Tensor Flow 问题描述：在保存TensorFlow中的RNN/LSTM模型的时候，比保存一般的Variable要特殊，需要在LSTM模型建立之后再定义saver如：### Model Training and Saving code### define the L
2017-10-02 11:47:04
7914
原创 设置可见GPU，进行多显卡深度学习训练
在深度学习中，如果一台电脑具有多个NVIDIA的GPUs，用户想要在不同的GPU上训练不同的网络，那么在程序中指定占用的GPU的id，在python中如：import osos.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID" # see issue #152os.environ["CUDA_VISIBLE_DEVICES"]="0"即可指定GPU id为0
2017-10-01 10:00:54
5642
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