深度学习
Rise*3
这个作者很懒,什么都没留下…
展开
-
深度学习(1)——计算图和神经网络实现
目录 1. 计算图2. 神经网络实现2.1 前向传播算法2.2 参数表示2.3 反向传播算法1. 计算图tensorflow使用计算图的模型来进行计算。tensorflow程序一般可以分为两个阶段,第一个是定义计算图中所有的计算,第二个是执行计算。通过python上下文管理器,可以在管理器推出时自动释放资源import tensorflow as tfa...原创 2018-12-27 17:02:37 · 2873 阅读 · 0 评论 -
深度学习(2)——深层神经网络
目录 一、概念二、损失函数1. 分类问题:2. 对于回归问题,3.自定义损失函数三、参数优化一、概念1.激活函数实现去线性化加了激活函数和偏置项tensorflow提供了其中不同的非线性激活函数,也可以自定义多层网络解决抑或问题二、损失函数神经网络模型的效果以及优化的目标是通过损失函数来定义的1. 分类问题:判断输出向量与期望的向量的...原创 2018-12-28 23:07:43 · 205 阅读 · 0 评论 -
深度学习(3)——MNIST训练神经网络
使用tensorflow建立神经网络解决MNIST手写体数字识别问题# -*- coding: utf-8 -*-import tensorflow as tfINPUT_NODE = 784 # 输入节点OUTPUT_NODE = 10 # 输出节点LAYER1_NODE = 500 # 隐藏层数 ...原创 2018-12-30 20:56:09 · 1070 阅读 · 1 评论 -
深度学习(4)——变量管理、模型持久化与数字识别问题
目录 1.变量管理2.模型持久化1.变量管理import tensorflow as tfv=tf.get_variable("v",shape=[1],initializer=tf.constant_initializer(1.0))print(v)v=tf.Variable(tf.constant(1.0,shape=[1]),name="v")print(v)...原创 2018-12-30 23:23:07 · 771 阅读 · 0 评论 -
深度学习(6)——循环神经网络RNN+LSTM
目录一、概念1.1 RNN1.2 LSTM(long short-term memory)二、RNN变种三、自然语言建模四、时间序列预测一、概念1.1 RNN主要用来处理和预测序列数据。特点:隐藏层的输入不仅包括输入层的输出,还包括上一时刻隐藏层的输出,即当前时刻的状态是根据上一时刻的状态和当前的输入共同决定的。前向传播计算过程 实现过程...原创 2019-01-06 21:42:09 · 1253 阅读 · 0 评论 -
深度学习(5)——多线程输入数据处理框架
目录摘要:1. 队列与多线程2. 输入文件队列3.组合训练数据4.输入数据处理框架4.1 一个完整的tensorflow处理输入数据摘要:图像处理中出现的亮度、对比度等对图像的影响很大,对图像进行预处理可以使得神经网络模型尽可能小的被无关因素影响,但复杂的预处理过程可能导致训练效率下降。为了减小预处理对训练速度的影响,就需要用到多线程处理输入数据。1. 队列...原创 2019-01-02 22:19:54 · 2078 阅读 · 0 评论