深度学习
齐燕博
一名昆明理工大学的研究生,2023年毕业
展开
-
AttributeError: module tensorflow has no attribute placeholder问题的解决
tensorflow版本问题把import tensorflow as tf改为import tensorflow.compat.v1 as tf tf.disable_v2_behavior()原创 2021-05-20 14:50:47 · 629 阅读 · 1 评论 -
手写数字识别训练,保存模型,图片初始化,测试一条龙。
训练及保存模型import tensorflow.compat.v1 as tftf.disable_v2_behavior()from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data", one_hot=True)# 为输入图像和目标输出类别创建节点x = tf.placeholder(tf.float32, shape=[None, 78原创 2021-05-08 14:51:36 · 402 阅读 · 0 评论 -
手写数字识别2
#导入包from keras import layersfrom keras import models#构建卷积神经网络模型model=models.Sequential()model.add(layers.Conv2D(32,(3,3),activation='relu',input_shape=(28,28,1)))model.add(layers.MaxPooling2D((2,2)))model.add(layers.Conv2D(64,(3,3),activation='relu原创 2021-03-25 21:01:50 · 107 阅读 · 0 评论 -
相同条件下全连接和卷积神经网络的效果差异
#导入数据,查看数据属性from keras.datasets import mnist(train_images,train_labels),(test_images,test_labels)=mnist.load_data()#构建训练模型from keras import models#导入各种包from keras import layersnetwork=models.Sequential()#模型选择sequentialnetwork.add(layers.Dense(512,a原创 2021-03-24 16:45:21 · 400 阅读 · 0 评论 -
imdb数据集电影评论分类
#加载imdb数据集from keras.datasets import imdb(train_data,train_labels),(test_data,test_labels)=imdb.load_data(num_words=10000)train_data[0]#第一个评论单词所对应的数字索引[1,14, 22,16, 43,530, 973, 1622, 1385, 65, 458,4468, 66, 3941, 4, 173, 36, 256, 5, 25, …32 15, 16原创 2021-03-18 20:05:32 · 1072 阅读 · 1 评论 -
手写数字识别
#导入包import numpy as npimport matplotlib.pyplot as pltfrom tensorflow import kerasimport tensorflow as tf#载入数据(x_train,y_train),(x_test,y_test) = tf.keras.datasets.mnist.load_data()print(x_train.shape)print(y_train.shape)#x_train的数据shape为(60000,28原创 2021-03-09 15:27:32 · 166 阅读 · 0 评论 -
深度学习基本原理及第一个tensorflow程序
tensorflow:TensorFlow是一个通过计算图的形式来表述计算的编程系统——TensorFlow中的每一个计算都是计算图上的一个节点,而节点之间的边描述了计算之间的依赖关系。在TensorFlow中,张量可以被简单理解为多维数组。Flow:流、飞。直接表达了张量之间通过计算相互转化的过程张量是TensorFlow管理数据的形式。在TensorFlow中,所有的数据都是通过张量的形式来表示。从功能的角度上看,张量可以简单理解为多维数组。其中零阶张量表示标量,也就是一个数一阶张量表示向量,原创 2021-03-05 12:54:57 · 263 阅读 · 0 评论 -
CNN
CNN本身可以采用不同的神经元和学习规则的组合形式。CNN具有一些传统技术所没有的优点:良好的容错能力、并行处理能力和自学习能力,可处理环境信息复杂,背景知识不清楚,推理规则不明确情况下的问题,允许样品有较大的缺损、畸变,运行速度快,自适应性能好,具有较高的分辨率。它是通过结构重组和减少权值将特征抽取功能融合进多层感知器,省略识别前复杂的图像特征抽取过程。CNN是一个前溃式神经网络,能从一个二维图像中提取其拓扑结构,采用反向传播算法来优化网络结构,求解网络中的未知参数。CNN通过结合局部感知区域、共享原创 2021-03-05 10:40:22 · 310 阅读 · 1 评论 -
sigmoid函数,tanh函数,relu函数,softmax函数
sigmoid函数数学表达式:f(z)=1/(1+e**-z)Sigmoid 函数的输出范围是 0 到 1。由于输出值限定在 0 到 1,因此它对每个神经元的输出进行了归一化;用于将预测概率作为输出的模型。由于概率的取值范围是 0 到 1,因此 Sigmoid 函数非常合适;梯度平滑,避免「跳跃」的输出值;函数是可微的。这意味着可以找到任意两个点的 sigmoid 曲线的斜率;明确的预测,即非常接近 1 或 0。Sigmoid 激活函数有哪些缺点?倾向于梯度消失;函数输出不是以 0 为原创 2021-03-04 19:48:58 · 2322 阅读 · 1 评论