![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Tensorflow
谁说朽木不可雕也
安安静静的成长,学技术
展开
-
深度学习中监督学习与非监督学习的区别
监督学习和非监督学习 监督学习就是给你一本作业本,后面有答案,自己先做,做完之后对答案,对了ok,不对调整自己的答案,让自己的答案尽最大可能是正确答案。 非监督学习就是给你一本作业本,没答案,自己做。 监督学习中,有一个label,让计算机根据这个label学习;非监督学习中没有。 监督学习主要研究的问题:回归和分类 非监督学习主要研究的问题:聚类 神经网络就是基于监督学习的。 ...转载 2020-08-21 22:22:40 · 2720 阅读 · 0 评论 -
深度学习中的前向传播与反向传播
前向传播 对于一个还没有训练好的神经网络而言,各个神经元之间的参数都是随机值,即初始化时赋的值,前向传播过程是神经网络的输入输出过程,即网络是如何根据X的值得到输出的Y值的。 设激活函数为f,权重矩阵为W,偏置项为b,输入为A,输出为Y,则Y = f(AW+b),计算Y这个过程就是前向传播的过程。 注意:权重矩阵W一开始是个随机值 在样本中我们的数据是(x,label),而y是我们经过神经网络计算出来的值,也就是估计值,y和label肯定有误差,如何减少误差,需要改变权重矩阵W,反向传播就是解决这个问题的。转载 2020-08-21 22:19:37 · 1032 阅读 · 0 评论 -
tensorflow2.0自制分类数据集怎么读取.csv文件和 .txt文件
读取 .txt文件 一般而言自制数据集需要有自己的图片,将图片全部放在一个文件夹里或者将训练集与测试集分开放置,本次采用将图片分为训练集和测试集分开方式,同时也需要训练集和测试集图片对应的分类标签 便签像这种 代码: train_path = './image_label/train_jpg/' train_txt = './image_label/train_jpg.txt' x_train_savepath = './image_label/x_train.npy' y_train_savepath原创 2020-08-21 16:38:44 · 1402 阅读 · 0 评论 -
Tensorflow学习笔记4-卷积是什么
卷积是什么? 卷积就是特征提取器,就是CBAPD github 链接,老师上课用的课件,课件5,对卷积网络描述的非常详细原创 2020-08-14 16:14:55 · 173 阅读 · 0 评论 -
Tensorflow学习笔记3-tf.Keras完善功能模块
一、自制数据集,应对特定应用 首先需要有4个文件夹 训练集图片 训练集标签 测试集图片 测试集标签 测试代码如下:增加了自制数据集的处理过程,其余代码与笔记2中一样 #自制数据集 import tensorflow as tf from PIL import Image import numpy as np import os train_path = './mnist_image_label/mnist_train_jpg_60000/' train_txt = './mnist_原创 2020-08-13 18:37:13 · 276 阅读 · 0 评论 -
Tensorflow学习笔记2-Keras六步法搭建神经网络模型
六步法实现模型搭建 导入相关模块 导入训练集与测试集 搭建网络结构 配置训练方法 执行训练方法 打印出网络结构,参数统计 基本元素介绍 一、激活函数 激活函数是用来加入非线性因素的,因为线性模型的表达能力不够。引入非线性激活函数,可使深 层神经网络的表达能力更加强大。激活函数非线性时,多层神经网络可逼近所有函数 常见的激活函数有 sigmoid、relu、softmax 小提示:平时在使用时,最后输出用softmax,其余基本都用relu 二、损失函数 神经网络模型的效果及优化的目标是通过损失函数来定义原创 2020-08-11 17:59:34 · 745 阅读 · 0 评论 -
Tensorflow学习笔记1-基础与常用函数
百度百科对Tensorflow的介绍 TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief [1] 。 Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2] 。 TensorFlow由谷歌人工智能团队谷歌大脑(Googl原创 2020-08-10 10:33:47 · 391 阅读 · 0 评论