关注
分享
学习深度学习时候的一些笔记、经验与感想之类的，方便自己学习途中翻阅，也分享给别人，少踩一些坑不是。很多东西学过去之后想全部记住也记不住，只要知道这个东西它都能实现些什么功能能干些什么事就够了，在写程序的时候你需要实现什么，这时候再去查找就足够了，用着用着自然就记住了。
零尾
https://github.com/lwplw
lulalalulalalulalulalu 嗯？字数还不够啊，那再加点
展开
-
深度学习实战教程（3）--（TensorFlow）inception_v4模型跑Google Flower数据集
模型：slim框架下的Inception_v4模型 Inception_v4的Checkpoint：http://download.tensorflow.org/models/inception_v4_2016_09_09.tar.gz 数据集：google的flower数据集http://download.tensorflow.org/example_images/flower_photos.原创 2017-07-27 11:10:09 · 27164 阅读 · 39 评论 -
TensorFlow安装--（方法3）Anaconda方式下查看TensorFlow版本选择性安装（Windows10 64位CPU/GPU）
其它环节与通过Anaconda环境配置方式一样，就是在安装TensorFlow时不直接使用pip install --upgrade --ignore-installed tensorflow-gpu命令，而是根据需求选择TensorFlow版本安装。原创 2017-07-15 17:50:50 · 16975 阅读 · 3 评论 -
TensorFlow安装--（方法1）系统自带Python，VirtualEnv方式安装（Ubuntu14.04 64位CPU）
TensorFlow基于 VirtualEnv 的安装环境：ubuntu14.04 64位；python2.7原创 2017-02-05 16:26:05 · 6937 阅读 · 0 评论 -
TensorFlow安装--（方法2）GPU环境配置部分（装CPU版跳过不用看）（Windows10 64位 ）
之前写了一篇是在 ubuntu 14.04下装 TensorFlow，装的是cpu版本的，又试着装gpu的但是出现了很多蜜汁问题，担心把之前的caffe环境破坏了，既然现在官方支持Windows系统了，就试试在win10 64位下安装 TensorFlow。TensorFlow 有cpu和 gpu两个版本。gpu版本需要英伟达CUDA 和 cuDNN 的支持，cpu版本不需要。原创 2017-02-06 16:35:03 · 24758 阅读 · 2 评论 -
TensorFlow安装--（方法2）Anaconda方式安装（Windows10 64位）
上一篇是通过pip方法安装，这里记录下另一种方法。这里简单写下cpu版安装，gpu版参考上篇先装好cuda和cuDNN在按下面方面安装。原创 2017-02-06 19:21:54 · 48682 阅读 · 6 评论 -
TensorFlow版本升级--之前通过Anaconda安装（Windows）
TensorFlow版本更新原创 2017-07-15 11:54:47 · 14942 阅读 · 0 评论 -
TensorFlow学习笔记（10）--实现AlexNet
AlexNet的出现意义非常重大，它证明了CNN在复杂模型下的有效性，而且使用GPU使得训练在可接受的时间范围内得到结果原创 2017-06-05 19:19:22 · 13344 阅读 · 5 评论 -
TensorFlow学习笔记（9）--使用CNN做英文文本分类任务
文中代码是实现在TensorFlow下使用卷积神经网络（CNN）做英文文本的分类任务（本次是垃圾邮件的二分类任务），当然垃圾邮件分类是一种应用环境，模型方法也可以推广到其它应用场景，如电商商品好评差评分类、正负面新闻等。原创 2017-05-25 10:38:55 · 15560 阅读 · 28 评论 -
TensorFlow学习笔记（8）--网络模型的保存和读取
之前的笔记里实现了softmax回归分类、简单的含有一个隐层的神经网络、卷积神经网络等等，但是这些代码在训练完成之后就直接退出了，并没有将训练得到的模型保存下来方便下次直接使用。为了让训练结果可以复用，需要将训练好的神经网络模型持久化，这就是这篇笔记里要写的东西。TensorFlow提供了一个非常简单的API，即tf.train.Saver类来保存和还原一个神经网络模型。下面代码给出了保存Tenso原创 2017-03-16 11:23:53 · 57949 阅读 · 25 评论 -
TensorFlow学习笔记（7）--实现卷积神经网络（同(5),不同的程序风格）
实现卷积神经网络，MNIST数据集原创 2017-03-15 20:27:32 · 24552 阅读 · 8 评论 -
TensorFlow学习笔记（6）--GPU报错（cuDNN版本该升级了）
在跑TensorFlow学习笔记（5）–基于MNIST数据集的卷积神经网络 代码的时候，出现了GPU报错的情况，确切来说应该是cuDNN版本太低的问题，我之前装的是v5.0版的，所以现在是需要换个5.1的意思喽0.0,这里也顺便给出cuDNNv5.1版本下载地址，懒得申请就直接云盘拿吧原创 2017-03-09 10:52:11 · 4056 阅读 · 0 评论 -
TensorFlow学习笔记（5）--实现卷积神经网络（MNIST数据集）
这里使用TensorFlow实现一个简单的卷积神经网络，使用的是MNIST数据集。网络结构为：数据输入层--卷积层1--池化层1--卷积层2--池化层2--全连接层1--全连接层2（输出层），这是一个简单但非常有代表性的卷积神经网络。原创 2017-03-08 17:35:55 · 9249 阅读 · 2 评论 -
TensorFlow学习笔记（4）--实现多层感知机（MNIST数据集）
前面使用TensorFlow实现一个完整的Softmax Regression，并在MNIST数据及上取得了约92%的正确率。现在建含一个隐层的神经网络模型（多层感知机）。原创 2017-03-08 11:45:30 · 5257 阅读 · 0 评论 -
TensorFlow学习笔记（3）--实现Softmax逻辑回归识别手写数字（MNIST数据集）
基于MNIST数据集的 逻辑回归模型做十分类任务没有隐含层的Softmax Regression只能直接从图像的像素点推断是哪个数字，而没有特征抽象的过程。多层神经网络依靠隐含层，则可以组合出高阶特征，比如横线、竖线、圆圈等，之后可以将这些高阶特征或者说组件再组合成数字，就能实现精准的匹配和分类。原创 2017-03-06 22:15:24 · 5148 阅读 · 1 评论 -
TensorFlow学习笔记（2）--构造线性回归模型
先制作一些数据：import numpy as npimport tensorflow as tfimport matplotlib.pyplot as plt# 随机生成1000个点，围绕在y=0.1x+0.3的直线周围原创 2017-03-04 17:34:47 · 3473 阅读 · 0 评论 -
TensorFlow学习笔记（1）--TensorFlow简介，常用基本操作
要将深度学习更快且更便捷地应用于新的问题中，选择一款深度学习工具是必不可少的步骤。TensorFlow是谷歌于2015年11月9日正式开源的计算框架。TensorFlow计算框架可以很好地支持深度学习的各种算法。原创 2017-02-08 17:07:25 · 16381 阅读 · 2 评论