- 博客(7)
- 收藏
- 关注
原创 深度学习免费服务器 Google Colab使用教程
对于入门深度学习的同学开说,笔记本GPU性能太弱是一件非常让人头疼的事,而租用的gpu服务器又太贵,最近刚发现google提供的免费云平台,可供我们做训练网络服务器用,GPU型号为Tesla T4 ,性能也是不俗。首先,登陆Google Driver然后,在空白处右击,查看是否有Google Colaboratory,没有的话,点击关联更多应用,搜索安装即可新建一个文件夹,这里是yo...
2020-02-16 17:16:17
3561
原创 查看tensorflow-gpu能否使用GPU进行加速
运行以下代码from tensorflow.python.client import device_libprint(device_lib.list_local_devices())[name: "/device:CPU:0"device_type: "CPU"memory_limit: 268435456locality {}incarnation: 1391586103794...
2020-02-11 11:53:17
1003
1
原创 from tensorflow.examples.tutorials.mnist import input_data在未来的版本中将被移除解决方法
在学习神经网络时,经常会用到MNIST数据集,使用Tensorflow导入数据集的时候,使用以下方法有时会出现警告from tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tfmnist = input_data.read_data_sets("MNIST_data/", one_hot=Tr...
2020-01-31 11:26:54
14322
2
原创 使用Dropout防止神经网络过拟合(纯numpy实现)
1、原理简述dropout简单来讲,就是在迭代的过程中,随机的丢弃掉某些神经元,使得其训练只包含部分神经元的网络,因为任何神经元都有可能消失,所以模型会变得对神经元不那么敏感,表现就是对参数W的压缩,起到与L2正则化类似的作用。执行步骤:1->随机生成一个数值在(0-1)之间的,与A[l]维数相同的矩阵,drop_prob是保留概率D[l] = np.random.rand(A[l]...
2020-01-15 00:38:47
1726
2
原创 使用L2正则化防止多层神经网络过拟合(纯numpy实现)
1、背景多层神经网络的学习能力相当强大,在数据量相当充足的情况下,这种强大自然没有什么问题,但是对于一些问题来说,比如计算机视觉,数据通常是不足的,在这种情况下训练时就容易发生数据过拟合,通俗来讲,过拟合就是训练的模型学习到了数据集自带的特性,而这种特性并不是现实世界中存在的数据所共有的。当这种情况发生时,虽然训练误差较小,但是模型泛化能力不足,因此我们需要用一些方法去防止过拟合的发生,比较常见...
2020-01-14 18:47:42
1882
1
原创 如何导入mnist数据集并且预处理
如何导入mnist数据集并且预处理mnist是我们在学习机器学习或者深度学习时常用的数据集,以下是使tensorflow导入mnist的一种方法。在深度学习训练中,为了提高执行效率,常进行矩阵操作,因此后面还对数据集进行的简单的预处理,方便使用。以下函数可直接复制到你的代码中,调用即可。def load_mnist(): import tensorflow.keras as k...
2020-01-11 15:35:43
2516
原创 简单多层神经网络推导及实现
1. 前向传播 2. 反向传播2.1三层网络 2.2多层网络 3. 正则化3.1 L1 Regularization 3.2 L2 Regularization 4. 实验结果 ### 5. python实现# -*- coding: utf-8 -*-"""Created on Fri Jan 3 14:29:06 2020@aut...
2020-01-11 01:26:01
271
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人