- 博客(29)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Tensorflow学习笔记：Keras函数式API
主要基于官方指南整理而成，详细介绍Keras函数式API，主要有9个部分，基本常见问题都有涉及，文档略长，作了一定梳理，比官方文档查阅方便。。。
2020-10-05 20:40:01
738
原创 本地电脑远程使用服务器 jupyter notebook及主题更换
文章目录前言一、本地电脑远程使用服务器上的jupyter notebook二、jupyter notebook 更换主题总结前言本篇介绍如何在本地电脑远程使用服务器上的jupyter notebook，并且介绍如何更换jupyter notebook 的主题，使其看起来更漂亮。一、本地电脑远程使用服务器上的jupyter notebook本地电脑Windows系统，服务器Linux系统。 在服务器上下载安装annconda后，进行如下配置jupyter notebook.建立config
2020-09-19 17:53:07
377
原创 anaconda、tensorflow、pycharm安装详细记录
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、anaconda的下载和安装1. 下载2. 安装二、tensorflow的安装1. 安装2. 测试三、PyCharm的安装和简单使用1. 安装2. 简单使用总结前言本篇博客主要记录window系统下anaconda、tensorflow以及pycharm的安装和简单应用，为方便后续的使用。一、anaconda的下载和安装1. 下载anaconda官网：https://www.anaconda.com/produ
2020-09-11 21:11:21
390
原创 python绘图 matplotlab的基本概念
1. figure、subplot、axes、axis的区别 首先看官网图：
2020-09-02 14:11:50
640
原创 tensorflow2.0学习笔记：模型的保存与载入
tensorflow2.0 模型的保存通过ModelCheckpoint保存模型，该方式只保存网络的一个参数(比如达到最好)，不管其他的状态。通过saved_model保存模型的一种保存格式，可以把这个保存的模型直接交给用户来部署，而不需要给一个源代码或相关的信息。通过model.save保存模型，这种方法简单粗暴的，把模型所有的状态都保存起来。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inline
2020-06-23 19:53:38
386
原创 tensorflow2.0学习笔记：TFRecord 数据处理
tfrecord 基础API介绍tfrecord 数据处理import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport timeimport tensorflow as tffrom tensorflow import kerasprint(.
2020-06-09 05:30:04
385
原创 tensorflow2.0学习笔记：tf.data 数据处理
tf.data API 介绍tf.data处理csv文件数据import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport timeimport tensorflow as tffrom tensorflow import kerasprint.
2020-06-09 05:18:31
557
原创 tensorflow2.0学习笔记：自定义求导
tensorflow2.0建立神经网络模型，tensorflow近似求导与keras.optimizers结合使用，实现自定义求导，使得模型训练更加灵活。tensorflow2.0学习笔记：应用tensorflow近似求导介绍tensorflow求导的基本用法。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas
2020-05-26 06:46:45
306
原创 tensorflow2.0学习笔记：应用tensorflow近似求导
使用tensorflow近似求导，以及与Optimizer的结合使用，tensorflow2.0学习笔记：自定义求导介绍在神经网络训练中实现自定义求导。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport timeimport tensorflo
2020-05-26 06:42:41
222
原创 tensorflow2.0学习笔记：tf.function 和 auto-graph
tf.function介绍：1.将python函数编译成图结构2.易于将模型导出成GraphDef+checkpoint或者SaveModel3.使得eager execution可以默认打开4.1.0的代码可以通过tf.function封装继续再2.0中使用：替代sessionimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearn
2020-05-25 07:31:56
524
2
原创 tensorflow2.0学习笔记：自定义层
layers.Dense的使用方法：1.Sequence中的使用 layer = tf.keras.layers.Dense(100) layer = tf.keras.layers.Dense(100,input_shape = [None,5]) #第一层有一个输入,None表示样本数2. 函数式调用 layer(tf.zeros([10,5])) #输入(10,5)，输出(10,100), layer.variables # x * w + b : w--kernel b--
2020-05-25 07:26:32
324
原创 tensorflow2.0学习笔记：自定义损失函数
import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport timeimport tensorflow as tffrom tensorflow import kerasprint(tf.__version__)from sklearn.dat
2020-05-25 07:20:53
395
原创 tensorflow2.0学习笔记：张量的定义和运算
tensorflow2.0 基础API，张量(常量、变量)的定义、运算和操作，字符串矩阵、不规则张量、稀疏张量的定义和运算。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport timeimport tensorflow as tffrom
2020-05-25 07:11:00
711
原创 tensorflow2.0学习笔记： LSTM 文本数据生成
tensorflow2.0学习笔记： RNN 文本数据生成 详述了在莎士比亚数据集上，从数据处理到RNN实现的整个过程，但RNN的结果并不理想。本文通过LSTM，再次实现文本数据分类，结果比RNN较好。有关数据处理部分tensorflow2.0学习笔记： RNN 文本数据生成 中有详细注释，就整程序实现实现而言，RNN和LSTM仅在仅在建立模型中有稍微区别： keras.layers.SimpleRNN(units = rnn_units,return_sequences = True) 替换为 ke
2020-05-21 07:02:52
678
原创 tensorflow2.0学习笔记： RNN 文本数据生成
基于莎士比亚文本数据，实现循环神经网络(RNN)文本数据生成。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport timeimport tensorflow as tffrom tensorflow import kerasprint(t
2020-05-21 06:48:20
576
1
原创 tensorflow2.0学习笔记： LSTM 长短期记忆模型
普通RNN的信息更不能长久传播(存在与理论上)，LSTM引入选择性机制：选择性输出选择性输入选择性遗忘选择性通过-门-实现，门限机制：向量A是经过Sigmoid激活后的向量，包含的是概率值： 向量A = [0.1,0.9,0.4,0,0.6] <- (Sigmoid :f(x) = 1/(1+exp(-x))向量B是输入的信息向量： 向量B = [13.8,14,-7,-4,30]A为门限，B为信息A与B点乘(点积)，对应元素相乘:A * B = [0.138,..
2020-05-20 08:26:31
611
原创 tensorflow2.0学习笔记： RNN 循环神经网络
基于IMDB数据实现文本情感分类循环神经网络：简单的RNN：keras.layers.SimpleRNN()双向RNN： keras.layers.Bidirectional(keras.layers.SimpleRNN())import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport o
2020-05-19 08:01:19
605
原创 tensorflow2.0学习笔记：embedding_padding_pooling
对于序列数据的处理，首先要进行编码(Embedding),然后还需处理其不等长的问题(变长输入问题)。1.Embeddinga. One-hot编码：word -> index \[0,0,...,1,0,...](稀疏) b. (Dense) Embedding：Word -> \[1.2,2.4,..,0.2,...](密集)2.变长输入a.padding word index：\[3,2,5,1] -> padding: \[3,2,5,1,0,0,...](补
2020-05-19 07:49:48
911
1
原创 tensorflow2.0学习笔记：深度可分离卷积
深度可分离卷积本质上是一种分支网络结构，分支网络结构有以下好处：a.可提供不同的视野域b.提升效率深度可分离卷积使用通道分支，能够减少参数提高计算效率，但同时也会造成梯度损失。深度可分离卷积由于其训练参数小的特点可以在手机上实现。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimpor.
2020-05-18 07:30:35
399
原创 tensorflow2.0学习笔记：卷积神经网络(CNN)
1. 卷积神经网络a.(卷积层 + 池化层(可选)) * N + 全连接层 * Mb.分类任务(主要用于图像识别)、回归任务2. 全卷积神经网络a.(卷积层 + 池化层(可选)) * N + 反卷积层 * Mb.物体分割(全卷积神经网络输入和输出一样大)3. 卷积操作a.局部连接：对于图像问题，存在很强的区域性，相近的像素值相近b.参数共享：图像特征和位置无关c.输出size = 输入size - 卷积核size + 1, (从左到右，从上到下滑动卷积核，点积运算)4. 池化操作(一般
2020-05-18 07:21:16
484
原创 tensorflow2.0学习笔记：超参数搜索
超参数：神经网络训练过程中不变的参数网络结构参数：层数、每层宽度(神经单元个数)、每层的激活函数等训练参数：batch_size,学习率(Alpha)，学习率的变化策略等人力调试成本大 --> 超参数搜索常见的超参数搜索方法：(1) 网格搜索：超参数离散化-->超参数组合-->一组一组(可并行)(2) 随机搜索：随机生成参数组合(3) 遗传算法搜索： (a) 初始化参数集合 -> 训练 -> 得到模型指标作为生存概率 (b) 选择
2020-05-17 06:58:51
472
1
原创 tensorflow2.0学习笔记：多输入多输出
多输入,对于一个wide and deep 模型，通常考虑输入不同的特征。（ tensorflow2.0学习笔记：wide and deep 模型）多输出，通常用于实现不同的任务。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport time.
2020-05-16 08:29:44
7772
4
原创 tensorflow2.0学习笔记：wide and deep 模型
wide and deep 模型，谷歌16年发布，用于回归和分类。稀疏特征：离散值–>One-hot编码，比如词表。可叉乘，类似笛卡尔乘积(组合)。密集特征：向量表达，可计算距离。 Word2vec，带有语义信息，兼容没出现过的特征。wide model 与 deep model 的结合，从下(输入层)往上(输出层)看，左边输入通过wide model , 右边输入通过 deep model , 之后拼接，输出。左边可以输入密集特征，右边可以是稀疏特征，这也是wide and deep 的优势
2020-05-16 07:29:03
1212
原创 tensorflow2.0学习笔记：神经网络
mnist数据集分类：深度神经网络在网络中，激活函数、批归一化、Dropout的添加和使用。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport osimport tensorflow as tffrom tensorflow import kerasprint(tf.__ver
2020-05-09 10:10:04
174
原创 tensorflow2.0学习笔记：简单的回归模型
california_housing:数据集，实现简单的回归模型。数据集：from sklearn.datasets import fetch_california_housingimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklear...
2020-05-08 07:03:33
199
原创 tensorflow2.0学习笔记：回调函数(callbacks)
callbacks:回调函数，显示或者控制模型训练过程中的一些信息或者参数。EarlyStopping:当梯度下降速度慢的时候，提前终止训练ModelCheckpoint:保存模型Tensorboard:训练过程可视化工具import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport nu...
2020-05-07 07:50:03
1760
原创 tensorflow2.0学习笔记：数据标准化
深度学习中图片数据一般需要归一化，或者标准化。应用sklearn中数据标准化方法可以简化处理过程。import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport sklearnimport pandas as pdimport tensorflow a...
2020-05-06 08:14:23
2037
1
原创 tensorflow2.0学习笔记：简单分类模型实现
tensorflow2.0 实现最简单的分类模型import matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport tensorflow as tfimport pandas as pdfrom tensorflow import kerasprint(...
2020-05-05 10:07:25
537
shakespeare.txt
2020-05-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人