![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Udacity作业
文章平均质量分 79
Echo0713
机器学习
展开
-
Task1 notMNIST
这个作业主要是训练一个logistics regression模型,用来识别图片的字母,字母从’A’到‘J’共十种,与MNIST类似。 首先要下载jupyter以及其他包,具体过程见我知乎上的回答 https://www.zhihu.com/question/51996422/answer/150529315 问题1 查看样本中的数据是否有效 作业中已经给了一个例子了,我这里在每个类中随机原创 2017-03-09 15:15:13 · 850 阅读 · 0 评论 -
Task2 SGD
这次的作业是把logistics regression改成一个简单的神经网络 激活函数是一个ReLU函数,实现非线性化,之后输出的值传递给普通的logistics regression的输入即可batch_size = 128graph = tf.Graph() with graph.as_default(): # Input data. For the training data, we us原创 2017-03-09 17:32:19 · 523 阅读 · 0 评论 -
Task3 regularization
这次的作业主要是完成正则化regularization第一个问题是实现L2正则化完成起来也非常简单,直接将上次作业中的损失函数增加一个权重的正则化方程,这个在tensorflow中有现成的函数tf.nn.l2_loss(t, name=None) output = sum(t ** 2) / 2 可以比较下正则化和没有正则化的结果 首先是logistic regression lambda取原创 2017-03-10 15:48:43 · 388 阅读 · 0 评论 -
Task4 convolutions
这次的任务是完成卷积神经网络 作业中已经给出了一个卷积神经网络,但是只有卷积层,没有池化层。不过learning_rate很小,只有0.05第一个问题 增加池化层 def model(data): conv = tf.nn.conv2d(data, layer1_weights, [1, 1, 1, 1], padding='SAME') pool = tf.nn.max_poo原创 2017-03-11 17:21:30 · 220 阅读 · 0 评论