TensorFlow北大公开课学习笔记
文章平均质量分 59
快乐成长吧
努力努力再努力!
展开
-
参考leNet5 卷积网络代码,使用cifar-10数据集训练模型,识别彩色图片(未完成)
https://github.com/tensorflow/models/tree/master/tutorials/image/cifar10 官网https://www.jianshu.com/p/6ca363520596Tensorflow-卷积神经网络CNN-图像识别案例-翻译整理http://www.cs.toronto.edu/~kriz/cifar.html 下载数据集...原创 2018-11-06 23:05:34 · 2943 阅读 · 2 评论 -
TensorFlow北大公开课学习笔记8-复现vgg16并实现图片识别
https://www.cs.toronto.edu/~frossard/post/vgg16/ 】img_ready = re_img.reshape((1, 224, 224, 3)) ValueError: cannot reshape array of size 200704 into shape (1,224,224,3)因为图片是四通道的,为啥?224*334*4=200704...原创 2018-11-06 17:48:58 · 3727 阅读 · 0 评论 -
TensorFlow北大公开课学习笔记7.1-lenet5代码
1998年Y.LeCun等提出的GradientBased Learning Applied to Document Recognitionhttps://ieeexplore.ieee.org/document/726791 今天学习针对28*28*1的手写数字进行复现lenet网络。比0.9808高呀。lenet...原创 2018-11-06 00:48:24 · 236 阅读 · 0 评论 -
TensorFlow北大公开课学习笔记6.2-制作数据集
前一篇,解决了如何对图片进行预测,且输出结果,本次要解决的是如下:今天学习:tfrecords文件,生成tfrecords文件,解析terecords文件反向传播文件修改图片标签获取的接口,关键操作是利用多线程提高图片和标签的批获取效率,方法用:将批获取操作放到线程协调器开启和关闭之间。在运行mnist_geberateeds.py时我觉得对于这个结果有点意外...原创 2018-11-05 00:48:31 · 480 阅读 · 1 评论 -
TensorFlow北大公开课学习笔记6.1-输入手写数字图片输出识别结果(包含解析测试集图片代码)
今天要解决的就是: 主要在于app.py,里面只要程序是:读入要测试的图片数量(因为写了一个循环),读入测试的图片,对图片进行预处理,重建网络结构,将待测的图片喂进网络,得到预测的结果。 一毛一样,我一点都没有改课程提供的代码:结果和课程中的有出入,我输入0.png,识别结果是9.其余都没问题,能输入正...原创 2018-11-05 00:36:31 · 862 阅读 · 0 评论 -
TensorFlow北大公开课学习笔记5.3-手写数字识别准确率输出 (只加载数据,不加载图结构)
学习了: 在mnist数据集上训练模型,输出手写数字识别准确lv,具体就是 前向(权重函数、偏置函数、前向传播函数,构建网络结构) 后向(读入数据、backward(mnist),交叉熵损失函数、正则化、滑动平均、指数下降、实例化saver对象、保存模型) test(加载数据,不加载图结构、定义网络结构、实例化带滑动平均的saver...原创 2018-11-04 01:09:54 · 410 阅读 · 0 评论 -
TensorFlow北大公开课学习笔记4.5-神经网络搭建八股
https://mlnotebook.github.io/post/CNN1/ 这个Convolutional Neural Networks - Basics 很优秀,但是放错地方了。大家忽略。哈哈哈搭建模块化的神经网络八股:使用了学习lv衰减值、L2正则化尝试交叉熵和滑动平均但是都没有得到很好的效果,是失败的,不知道是不是因为参数的设置的问题还是什么。#coding...原创 2018-11-03 20:25:46 · 278 阅读 · 0 评论 -
TensorFlow北大公开课学习笔记4.4-神经网络优化----正则化 (正则化损失函数)
今天学习了正则化,主要内容是:通过代码比较正则化与不正则化的区别。什么叫过拟合? 神经网络模型在训练数据集上的准确率较高,在新的数据进行预测或分类时准确率较低, 说明模型的泛化能力差什么叫正则化:? 在损失函数中给每个参数 w 加上权重,引入模型复杂度指标,从而抑制模型噪声, 减小过拟合。正则化目的:缓解过拟合 正则化在损失函数中引入模型复杂...原创 2018-11-03 14:59:17 · 495 阅读 · 2 评论