![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 51
心之微光
越努力越幸运!
展开
-
利用Python简单搭建单层神经网络
最近看了一篇文章,作者在不借助任何框架的情况下搭建了一个非常简单的神经网络,感觉有点儿意思。加之自己刚刚入门深度学习,于是按照流程实现了一遍,顺便在其中回顾所学的基础知识,如有疏漏,还望指正。 这是一个单层神经网络,只有输入层和输出层,对输出结果还做了Sigmoid非线性变换。如下是展示问题的表格: 我们希望通过训练数据来训练模型,得到最后的输出结果。 import numpy as n...原创 2018-12-13 19:11:50 · 2139 阅读 · 0 评论 -
《实战Google深度学习框架》第六章 学习代码及笔记
第六章主要介绍了卷积神经网络的一些知识,卷积神经网络的每个节点都是一个神经元。输入层是图像的原始像素,而输出层的每个节点代表了不同类别的可信度。卷积神经网络与全连接网络的主要区别就是相邻两层的连接方式。全连接层处理图像时的参数太多,除了导致计算速度变慢,还很容易导致过拟合问题。而通过卷积神经网络中的卷积层就可以有效的解决这个问题。 卷积神经网络一般由输入层、卷积层、池化层、全连接层和Sof...原创 2018-12-27 10:25:59 · 316 阅读 · 2 评论 -
TensorFlow入门之解决MNIST问题的一个样例程序
最近在学习《TensorFlow:实战Google深度学习框架》,在第五章后,已经对基础知识有了一个基本的了解,章节最后完成了一个单隐层的神经网络,作为对前面学到基础知识的回顾,我在其中的注释部分也添加了一些自己的理解。这次的代码会分为三个部分,第一个是mnist_iniference.py,定义了前向传播过程与神经网络中的参数;第二个是mnist_train.py,定义了神经网络的训练过程;...原创 2018-12-17 10:48:43 · 492 阅读 · 3 评论 -
《实战Google深度学习框架》第七章 一个图像预处理样例
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt #给定一张图像,随机调整图像的色彩。因为调整亮度、对比度、饱和度和色相的顺序会影响最后得到的结果,所以可以定义不 #同的顺序。具体使用哪一种可以在训练数据预处理时随机指定,进一步降低无关因素对模型的影响。 def distort_color(im...原创 2019-01-20 19:54:37 · 367 阅读 · 0 评论 -
《实战Google深度学习框架》学习笔记之输入数据处理框架
虽然使用上篇文章中介绍的数据预处理方法可以减少无关因素对图像识别模型效果的影响,但这些复杂的数据预处理过程也会减慢整个训练过程,因此,TensorFlow提供了一套多线程处理输入数据的框架,下图为一个经典的输入数据处理流程: 完整流程的代码及注释如下: import tensorflow as tf #创建文件列表,并通过文件列表创建输入文件队列。在调用输入数据处理流程前,需要统一所有原始...原创 2019-02-08 17:31:47 · 189 阅读 · 0 评论 -
《实战Google深度学习框架》之RNN学习笔记1
在之前介绍的全连接神经网络或卷积神经网络中,层与层之间是全连接或部分连接的,但每层的节点间是无连接的,这样当输入数据具有依赖性且是序列模式时,预测结果就会不太准确。因此,就有了循环神经网络(RNN)的诞生。RNN的主要用途是处理和预测序列数据。从网络结构上说,RNN会记忆之前的信息,并利用之前的信息影响后面节点的输出。也就是说,循环神经网络的隐藏层之间的节点是有连接的,隐藏层的输入不仅包括输入...原创 2019-02-10 18:08:29 · 302 阅读 · 0 评论 -
《实战Google深度学习框架》之RNN学习笔记2 LSTM对PTB数据集的建模
建立语言模型的目的是为了计算一个句子出现的概率,利用语言模型,可以确定哪个单词序列出现的可能性更大,或者给定若干个单词,预测下一个最可能出现的词语。语言模型的常用评价指标是复杂度,刻画的是通过某一个语言模型估计的一句话出现的概率。例如当已经知道(w1,w2,w3,…,w(m)这句话出现在语料库之中,那么通过语言模型得到这句话的概率越高越好,也就是复杂度越小越好。复杂度perplexity表示的...原创 2019-02-20 17:54:44 · 1265 阅读 · 0 评论