![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习基础及项目摘要
文章平均质量分 55
机器学习基础及机器学习项目。
535844609
一个程序猿
展开
-
卷积神经网络
全连接神经网络对mnist数据集有着不错的表现,mnist数据集的分辨率只用28*28,是单通道的图片。但是在实际生活中图片的分辨率会很大,并且是彩色三通道图片。 实际应用时会先对原始图像进行特征提取,再把提取到的特征送入全连接神经网络,让全连接的神经网络识别出结果。 卷积过程介绍 卷积计算可认为是一种有效提取特征的方法。 一遍会用一个正方形的卷积核,按指定步长,在输入特征图上滑动,遍历输入特征图中每一个像素点。每一个步长卷积核会与输入特征出现重合区域,重合区域对应元素相乘,对应元素相乘并求和再加上原创 2021-05-22 19:12:07 · 158 阅读 · 0 评论 -
神经网络在mnist数据集上的实现
mnist数据集是70000张28*28像素的图片,其中60000张用来训练,10000张用于测试。 mnist数据集探索: import tensorflow as tf from matplotlib import pyplot as plt mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() # 可视化训练集输入特征的第一个元素 plt.imshow(x_train[0],原创 2021-05-21 14:41:53 · 242 阅读 · 0 评论 -
使用class写带有跳连的非顺序网路结构
tf.Sequential()只能构建顺序网络结构,即上一层的输出作为下一层的输入。如果想要构建跳连的非顺序网络结构,需要使用class类构建网络结构。 代码示例: import tensorflow as tf from tensorflow.keras.layers import Dense from tensorflow.keras import Model from sklearn import datasets import numpy as np x_train = datasets.load原创 2021-05-21 11:22:31 · 241 阅读 · 0 评论 -
六步法搭建神经网络(tensorflow.Sequential顺序网络结构)
六步法 import train,test model = tf.keras.models.Sequential model.compile model.fit model.summary model = tf.keras.models.Sequential([网络结构]) 常见网络结构举例 拉直层:tf.keras.layers.Flatten() 全连接层:tf.keras.layers.Dense(神经元个数, activation=‘激活函数’, kernel_regularizer=正则化方式)原创 2021-05-20 17:06:59 · 500 阅读 · 0 评论