- 博客(6)
- 资源 (7)
- 收藏
- 关注
转载 深度学习之LSTM实现
LSTM之keras实现TensorFlow之LSTMLSTM之keras实现import numpy as npnp.random.seed(2017) #为了复现from __future__ import print_functionfrom keras.datasets import mnistfrom keras.utils import np_ut
2017-09-15 15:38:52 7449 3
转载 深度学习之CNN实现
CNN 实现CNN相比与传统神经网络,主要区别是引入了卷积层和池化层 卷积是使用tf.nn.conv2d, 池化使用tf.nn.max_poolCNN之keras实现import numpy as npnp.random.seed(2017) #为了复现from __future__ import print_functionfrom keras.datasets i
2017-09-11 20:45:23 938
转载 神经网络之keras/tf框架实现
Keras实现神经网络import numpy as npnp.random.seed(2017) #为了复现from keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense, Acti...
2017-09-11 15:08:04 857
转载 Tensorflow学习笔记
Tensorflow学习笔记参考知乎 莫烦 Tensorflow安装# python 2+ 的用户:$ pip install tensorflow# python 3+ 的用户:$ pip3 install tensorflow更新# 如果你是 Python 2, 请复制下面pip uninstall tensorflow# 如果你是 Pyth...
2017-09-05 20:19:34 3812
转载 深度学习之keras使用
深度学习之keras使用keras安装安装Numpy、Scipy等科学计算库安装theano、tensorflow eg:CPU版tensorflow pip install tensorflowpip install keras修改Backend底层框架Theano或者Tensorflow使用import keras屏幕会显示当前使用的Backend~/.keras/keras.json{
2017-09-05 20:17:30 2230
原创 神经网络之python实现
神经网络之python实现#初始化w b 输入为 [每层的size] eg: [4,5,2] 输入层为4 隐藏层为 5 输出层为 2def initwb(sizes): num_layers_ = len(sizes) #层数 w_ = [np.random.randn(y, x) for x, y in zip(sizes[:-1], sizes[1:])] #1-最后二层 与 2-最后一层
2017-09-05 16:26:30 740
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人