Python深度学习
详解《python深度学习》这本书上的项目
Brielleqqqqqqjie
简单的事做到极致就是成功
展开
-
Python深度学习(11):GAN生成青蛙图片
运行结果:原创 2020-01-28 16:44:04 · 1614 阅读 · 0 评论 -
Python深度学习(10):VAE生成手写数字
代码import kerasfrom keras import layersfrom keras import backend as Kfrom keras.models import Modelimport numpy as npfrom keras.datasets import mnistimport matplotlib.pyplot as pltfrom scipy.st...原创 2019-12-14 15:22:46 · 1813 阅读 · 1 评论 -
python深度学习(9):风格迁移
算法简介本文使用方法是15年提出的最早的风格迁移算法。原创 2019-11-27 17:04:39 · 935 阅读 · 0 评论 -
Python深度学习(8):DeepDream
算法简介DeepDream是Google在2015年发出的一个比较好玩的算法。它的本意是去可视化神经网络。其思想简介就是,对于深度学习,以图片分类为例,我们最终的网络可以识别图像,是因为在训练过程中不断改变网络的参数值。那么我们能不能用已经训练好的网络去改变图片,使得网络相信该图片属于哪一类。听上去好像是可行的。最终的效果就是,输入图片有点像某类的特征的地方会越来越明显。算法介绍1.需要将...原创 2019-11-23 10:28:41 · 901 阅读 · 0 评论 -
Python深度学习(7):温度预测
本节主要是将上一节学习到的RNN,LSTM,GRU用于温度预测问题,设一个baseline,然后不断进行优化。数据集网址:耶拿天气数据集下载后解压到当前目录即可。数据集介绍此为耶拿2009-2016的数据,每10分钟有一条数据,总共有420551行数据基本思路预处理阶段编写一个Python生成器,以当前浮点数数组作为输入,并从最近的数据中生成数据批量,同时生成未来的目标温度。将数据...原创 2019-10-30 19:08:12 · 11198 阅读 · 12 评论 -
Python深度学习(6):循环神经网络
RNN简介普通的网络上一次输入对下一次的输入的结果不会有影响,但是难免遇到需要记忆的场景。RNN与原先网络不同在于其保存上一次的输入,并赋予一个权重U加到本次的输出结果中。普通网络:yi=activation(w∗xi+b)y_{i} = activation(w*x_{i}+b)yi=activation(w∗xi+b)循环网络:yi=activation(w∗xi+u∗xi−1+b)...原创 2019-10-30 18:04:24 · 863 阅读 · 0 评论 -
Python深度学习(5):词嵌入(GloVe模型)
词嵌入简介深度学习模型只能处理数值型张量,因此需要将文本转换为数值张量,即文本向量化。将文本分解成标记token(单词、字符或n-gram),将标记与向量关联的方法常用的one-hot编码和词嵌入word embedding。词嵌入的作用是将人类语言映射到几何空间,利用词向量之间的几何关系表示这些词之间的语义关系。一个好的词嵌入空间很大程度上取决于任务。1.利用Embedding层学习词嵌入...原创 2019-10-24 10:43:29 · 3154 阅读 · 0 评论 -
Python深度学习(4):猫狗分类
1.数据集介绍:本项目使用的数据集需要从http://www.kaggle.com/c/dog-vs-cats/data下载,一共包含25000张猫狗图像,每个类别有12500张。数据准备创建一个新的数据集,猫狗各含1000个测试集,500个验证集,500个测试集。...原创 2019-10-02 22:00:54 · 14410 阅读 · 8 评论 -
Python深度学习(3):波士顿房价预测
这是《Python深度学习》第一个回归问题,它的预测值是一个数值。常用的损失函数是均方误差MSE,常用的回归指标是平方绝对误差MAE1.数据集介绍波士顿房价是1970s波士顿郊区房屋价格的中位数,包含506个数据,分为404个训练样本和102个测试样本。每个样本有13个数值特征。2.思路与先前的手写数字和电影评论分类的例子不同,房价预测中的特征的重要性不一致,而且由于单位不尽相同,需要先对...原创 2019-10-01 23:17:03 · 4986 阅读 · 0 评论 -
Python深度学习(2):电影评论分类(imdb/路透社)
1.数据集介绍IMDB数据集包含50000条评论,25000条用于训练,25000条用于测试,训练集和测试集都包含了50%的正面评论和负面评论2.网络结构本文的输入数据为向量(数组组成的数组),标签为标量(单个数组):带有relu激活的全连接层的简单堆叠表现较好。本项目的网络结构与手写数字识别的结构相似,只是参数不同,都是全连接层堆叠。3.参数选择前两层的激活函数选择‘relu’最后...原创 2019-09-26 22:27:44 · 1083 阅读 · 0 评论 -
Python深度学习(1):手写数字分类
1.数据集介绍mnist是一个经典的手写测试集,包含6000万张训练图片和10000张测试图片,每张图片的大小为28*282.网络结构本项目使用的网络结构并不复杂,只用了两个全连接层(fully connected layers,FC)。全连接层的作用是分类,本质上是多层感知机。第一层(全连接层):输入为28*28,输出为512第二层(全连接层):输入为512,输出为103.参数选择...原创 2019-09-26 20:35:34 · 4031 阅读 · 0 评论