深度学习
我还年轻呀
减肥ing,多刷刷算法题就不饿了!
展开
-
生成模型和判别模型的区别
基本的深层网络模型可以分为两大类:生成模型和判别模型。生成是指从隐含层到输入数据的重构过程,而判别是指从输入数据到隐含层的隐约过程。复杂的深层结构可能是一个混合模型,既包含生成模型成份,又包含判别模型成份(成分与成份没有区别)。生成模型主要包括受限玻尔兹曼机(RBM)、自编码器(AE)、深层信念网络(DBN)、深层玻尔兹曼机(DBM)以及和积网络(SPN),其中AE、DBN、和DBM需要R...原创 2019-05-15 10:08:23 · 1232 阅读 · 1 评论 -
《实战Google深度学习框架第二版》之TensorFlow入门
3.1 TensorFlow计算模型——计算图TensorFlow 的名字中己经说明了它最重要的两个概念一一Tensor 和 Flow。Tensor 就是张量。在 TensorFlow 中,张量可以被简单地理解为多维数组。如果说 TensorFlow 的第一个词 Tensor 表明了它的数据结构,那么 Flow 则 体现了它的计算模型。Flow 翻译成中文就是“流”,它直观地表达了张量之间通过...翻译 2019-05-23 22:02:48 · 172 阅读 · 1 评论 -
特征选择与特征提取
特征选择:从一组特征中挑选出一些最有效的特征(过程)。特征提取:通过映射或变换的方法,把模式空间的高维特征向量变成特征空间的低维特征。进行特征选择的好处主要有以下几种:降低过拟合风险,提升模型效果 提高训练速度,降低运算开销 更少的特征通常意味着更好的可解释性特征选择的方法主要分为三大类:过滤式方法 (Filter Methods),包裹式方法 (Wrapper Methods)...原创 2019-06-05 15:06:11 · 2146 阅读 · 0 评论 -
交叉熵损失函数的理解
转载自:https://blog.csdn.net/red_stone1/article/details/80735068交叉熵损失函数的公式:1、交叉熵损失函数的原理我们知道,在二分类问题模型:例如逻辑回归、神经网络等,真实样本的标签为[0, 1],分别表示负类和正类。模型的最后通常会经过一个sigmoid函数,输出一个概率值,这个概率值反映了预测为正类的可能性:概率越大,可能性...转载 2019-07-30 10:08:15 · 2334 阅读 · 1 评论