![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
deep-learning
文章平均质量分 86
潘小榭
人来到这个世界,只要你有欲望,你必定要面对跨越。你想活下去就要去抭争。不要怨天和怨地,要活下去的是你自己。陷入生活困境时往往就剩孤身一人,成功了周围才有很多人。这就是现实,痛苦留给自己,快乐和别人分享。
展开
-
unbuntu 16.4 安装tensorflow
安装过程这篇文章写的很详细Ubuntu下如何安装TensorFlow接下来时自己遇到的一些问题和坑,以及解决方法一、安装anaconda还一路顺畅,但在配置环境变量时一不留神忘了点yes导致后期要手动添加,第一个坑。。。1.到根目录下,打开终端并输入: sudo gedit ~/.bashrc2.在.bashrc文件末尾用#号注释掉之前添加的路径(或直接删除): export PATH=/h原创 2017-05-29 10:24:07 · 853 阅读 · 0 评论 -
Ubuntu16.04+CUDA8.0+Tensorflow
电脑配置: 系统:Ubuntu16.04 显卡:Quadro P400一. 安装显卡驱动: 主要参考博文:Nvidia驱动安装1.先下载相应驱动链接: NVIDIA驱动下载 选择驱动: Nvidia 375.661)卸载原有的驱动sudo apt-get remove –purge nvidia*2)禁用nouveau 打开编辑配置文件:gedit /etc/modprobe.d/bla原创 2017-07-11 18:01:15 · 779 阅读 · 0 评论 -
TF-day2 神经网络基础知识
学习内容:计算图 graph 张量 tensor 会话 session变量 variable:常用的变量生成函数占位符 placeholder1.计算图 graph tensorflow中的每一个计算都是计算图中的一个节点,而节点之间的边描述了计算之间的依赖关系。g1 = tf.Graph()with g1.as_default(): v = tf.get_variable(原创 2017-07-26 17:56:49 · 624 阅读 · 0 评论 -
TF day4 常用损失函数
TF day2 里面说到神经网络的工作, 得到的预测值与实际的 label 比较得到了误差,我们的目标是让这个误差越来越小。 那么这个误差怎么定义呢? 这就是损失函数了~~~分类问题和回归问题都属于监督学习. 对于分类问题, 设置 n 个output node, 其中 n 为类别的个数, 因此输出向量是, i表示第i个样本. 在理想情况下,如果一个样本属于类别 k ,那么这个节点的输出值为1原创 2017-07-31 12:32:00 · 393 阅读 · 0 评论 -
TF day 5 神经网络的优化
主要内容:反向传播backpropagation和梯度下降gradient decent学习率learning rate的设置:指数衰减法过拟合问题:正则化regularization一. 优化算法反向传播和梯度下降是神经网络的核心,用来调整神经网络中的参数的取值。 具体细节可参考: - learning representations by back-paopagating erro原创 2017-08-02 15:33:23 · 831 阅读 · 0 评论 -
TF-day1 MINIST识别数字
当我们开始学习编程的时候,第一件事往往是学习打印”Hello World”。就好比编程入门有Hello World,机器学习入门有MNIST主要步骤 - 获取数据 - 建立模型 - 定义 tensor,variable:X,W,b - 定义损失函数,优化器:cross-entropy,gradient descent - 训练模型:loop,batch - 评价:准确率一.获原创 2017-07-23 22:29:37 · 546 阅读 · 0 评论 -
TF-day3 mnist识别数字
相对TF-day1中mnist数字识别的神经网络,这次的神经网络结构更复杂. 使用了带指数衰减的学习率设置,使用正则化来避免过度拟合,以及使用滑动平均模型來使得模型更加健壮.# coding: utf-8from tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tf###get datasetmn原创 2017-07-26 20:32:11 · 402 阅读 · 0 评论 -
TF-day6 CNN简单分类
import tensorflow as tf import pandas as pd import numpy as npdatadf = pd.read_excel(‘/home/pan-xie/PycharmProjects/ML/jxdc/打分/项目评分表last.xls’) X = df.iloc[:,2:].fillna(df.mean())print(X.shape) ##(4原创 2017-08-03 17:55:56 · 848 阅读 · 0 评论