TensorFlow深度学习
文章平均质量分 57
博学之审问之
这个作者很懒,什么都没留下…
展开
-
利用TensorFlow解决逻辑回归问题
利用TensorFlow解决逻辑回归问题原创 2022-10-10 20:40:38 · 367 阅读 · 0 评论 -
利用TensorFlow解决线性回归问题
利用TensorFlow解决线性回归问题原创 2022-10-10 20:38:25 · 473 阅读 · 0 评论 -
Inception网络结构案例-花的分类
1、Inception介绍:由Google团队提出,因此也被称为GoogleNet;该模型一共有4个版本,从V1到V4;通过增加网络的宽度(通道数)来提升训练效果。2、Inception V1网络结构Inception V1模块由多个Inception基础模块串联而成。3、数据准备与处理:用于本案例的训练集共有952张图像,验证集共有408张图像。读入数据ImageDataGeneratorfrom tensorflow.compat.v1 import ConfigProtofrom原创 2021-04-24 22:18:27 · 655 阅读 · 0 评论 -
卷积神经网络案例:中文字体识别——隶书和行楷
一、AlexNet网络结构1.1 AlexNet介绍:ImageNet竞赛冠军获得者Hinton和他的学生Krizhevsky Alex于2012年设计。ImageNet竞赛中第一个使用卷积神经网络的参赛者。1.2 AlexNet网络结构:8层卷积层池化层卷积层池化层卷积层卷积层卷积层池化层输出层:三个全连接层1.3 AlexNet创新点:成功使用ReLU作为CNN的激活函数;使用Dropout随机忽略一部分神经元,避免模型过拟合;在CNN中使用重叠的最大值池化(步长小于原创 2021-03-21 15:13:27 · 1954 阅读 · 4 评论 -
卷积神经网络案例:LeNet-5手写数字识别
一、LeNet-5网络结构1.1 LeNet-5介绍:由Yann LeCun(杨立昆)于1998年提出的一种经典的卷积网络结构。第一个成功应用于数字识别问题的卷积神经网络。1.2 LeNet-5网络结构:共7层输入层卷积层池化层卷积层池化层全连接层输出层二、LeNet-5手写数字识别2.1 MNIST数据集展示:mnist.load_data()加载数据集from keras.datasets import mnist(X0,Y0),(X1,Y1) = mnist.load_原创 2021-03-21 12:24:23 · 2678 阅读 · 0 评论 -
逻辑回归模型案例:手写数字识别
一、数据集介绍:MNIST数据集——来自美国国家标准与技术研究所。训练集(Training Set)由250个不同的人手写的数字构成,其中50%是高中学生,50%来自人口普查局(The Census Bureau)的工作人员。测试集(Testing Set)也是同样比例的手写数字数据。该案例的目的是区分0~9这10个数字。二、建模步骤:2.1导入MNIST数据from tensorflow.examples.tutorials.mnist import input_datadata = input_原创 2021-03-20 19:07:03 · 880 阅读 · 0 评论 -
线性回归模型案例:美食图像评分
一、数据介绍:图像来源:Flickr上收集用户上传的经人工筛选后的196张食物图像因变量:由5人小组对每张美食图像进行1~5评分,最后取平均分作为每张图像的最终得分(其中1分代表图像非常不吸引人,5分代表图像非常吸引人)二、建模步骤:2.1准备????+????数据import pandas as pdMasterFile=pd.read_csv('./FoodScore.csv') #读取美食图像评分的数据print(MasterFile.shape)MasterFile[0:5]原创 2021-03-20 18:55:25 · 2089 阅读 · 1 评论 -
TensorFlow深度学习4—反向传播算法实战
我们将实现一个4层的全连接网络,来完成二分类任务。网络输入节点数为2,隐藏层的节点数设计为:25、50和25,输出层两个节点,分别表示属于类别1的概率和类别2的概率,如图1所示。这里并没有采用Softmax函数将网络输出概率值之和进行约束,而是直接利用均方误差函数计算与One-hot编码的真实标签之间的误差,所有的网络激活函数全部采用 Sigmoid函数,这些设计都是为了能直接利用我们的梯度传播公式。 ...原创 2020-06-30 18:35:06 · 464 阅读 · 1 评论 -
TensorFlow深度学习3--汽车油耗预测实战
本节我们将利用全连接网络模型来完成汽车的效能指标 MPG(Mile Per Gallon,每加仑燃油英里数)的预测问题实战。1、数据集 我们采用Auto MPG数据集,它记录了各种汽车效能指标与气缸数、重量、马力等其它因子的真实数据,查看数据集的前 5项,如表1所示,其中每个字段的含义列在表2中。除了产地的数字字段表示类别外,其他字段都是数值类型。对于产地地段,1表示美国,2 表示欧洲,3 表示日本。 ...原创 2020-06-28 22:17:25 · 2560 阅读 · 1 评论 -
TensorFlow深度学习2--手写数学图片识别初体验
1、 手写数字图片数据集手写数字图片数据集,它包含了0~9共10种数字的手写图片,采集自不同书写风格的真实手写图片,一共70000张图片。其中60000张图片作为训练集,用来训练模型,剩下10000张图片作为测试集,用来预测或者测试,训练集和测试集共同组成了整个MNIST数据集。2、 模型搭建(x, y), (x_val, y_val) = datasets.mnist.load_data() #加载MNIST数据集x = tf.convert_to_tensor(x, dtype=tf.flo原创 2020-06-21 11:42:38 · 396 阅读 · 0 评论 -
TensorFlow深度学习1--线性模型实战
本节我们通过实战训练单输入神经元线性模型。首先我们需要采样自真实模型的多组数据,我们直接自从指定的w=1.566,b=0.079的真实模型中直接采样: y = 1.477x+0.0891、 采样数据为了能够很好地模拟真实样本的观测误差,我们给模型添加误差自变量ε,它采样自均值为0,标准差为0.01 的高斯分布:y=1.477x+0.089+ε, ε~N(0,0.01^2)通过随机采样n = 1000 次,我们获得n个样本的训练数据集。代码如下:2、 计算误差...原创 2020-06-21 10:26:58 · 220 阅读 · 0 评论