qq_23334761的博客

含自编码器在MNIST上的图片重建实战

内含LSTM、GRU实战

含LeNet-5、AlexNet、BN、VGG、GoogleNet、ResNet实战

1. 模型的装配、训练和测试import tensorflow as tfimport matplotlib.pyplot as pltfrom tensorflow import kerasfrom tensorflow.keras import Sequential,layersx = tf.constant([1.,2.])# 实例化 一个softmaxsoftmax = keras.layers.Softmax()softmax(x)#直接用不能用，只能先实例化ker

1. 变量与张量介绍 import tensorflow as tftf.__version__# 张量 Tensor 张量其实就是一个多维数组# 张量的维度可以是0 : 1,2,3# dim = 0 : 1,2,3 (一组数)# dim = 1 : [1,2,3] (向量)# dim = 2 : [ [2,3],[4,4] ] (二维矩阵)tf.constant(1.)#无法进行浮点数转整数# tf.Variable(1.,dtype=tf.int32)#但可以整数...

1. 神经元与激活函数神经元：下图有d个输入，我们可以认为当d是净输入的时候，d就是神经元的输入，让净输入加权求和并加上偏执项，并最终求和，得到一个输出，将这个输出作为激活函数的输入，其会对加权和再做一次运算最后输出a。这就是一个典型的神经元。激活函数：对于上图右部分即激活函数，其主要作用就是加强网络的表达能力，还有学习能力。我们要求激活函数是：1.连续的，可以允许个别点不可导，但绝大多数都是可导的，并且是非线性的。这样的函数是可...

目录1. 分类介绍2. 线性模型处理分类问题3.二分类问题4. 多分类5. 从概率角度看待分类问题 5.1. 多元线性回归进行分类产生的问题 5.2. 从概率角度解决分类问题6. 交叉熵 6.1. 信息量的数学期望就是熵 6.2. 相对熵7. 逻辑回归（实战）8.softmax 8.1. 理论 8.2. softmax（实战）9. 感知器...

机器学习的三要素1.1. 模型 首先明确机器学习的主要任务：确定样本空间的输入x和输出y，及x和y之间找到一个f(x,) -> y。 的模型f(x,) ，且尽可能与输出y相匹配。一开始不知道这样的函数是什么样的，所以我们要g根据经验，假设有一个函数集合（f1,f2,f3,f4,f5……，fn），这样的假设函数集合有时候也成为假设空间，我们通过观察，这一系列函数，在训练集中的表现，来选取一个fi在训练集D中最理想，那么fi就是最适合的，或者说是最理想的假设。 我们常说的...

神经网络与深度学习的总计，不定时更新。