深度学习
文章平均质量分 61
Levine-Huang
这个作者很懒,什么都没留下…
展开
-
02-深度学习中的Data Augmentation方法
02-深度学习中的Data Augmentation方法在深度学习中,为了避免出现过拟合(Overfitting),通常我们需要输入充足的数据量。当数据量不够大时候,常常采用以下几种方法:Data Augmentation:通过平移、 翻转、加噪声等方法从已有数据中创造出一批“新”的数据,人工增加训练集的大小。Regularization:数据量比较小会导致模型过拟合, 使得训练误差很小而测试误原创 2017-02-23 09:10:15 · 5244 阅读 · 0 评论 -
03-Keras之用MNIST数据集训练一个CNN
03-Keras之用MNIST数据集训练一个CNN模型code# -*- coding: utf-8 -*-'''Trains a simple convnet on the MNIST dataset.Gets to 99.25% test accuracy after 12 epochs(there is still a lot of margin for parameter tuning).原创 2017-02-19 18:31:44 · 1406 阅读 · 0 评论 -
02-Keras之网络层思维导图
更多文章欢迎关注微信公众号:大数据学苑(Bigdata-Eden)原创 2017-02-19 17:45:40 · 1301 阅读 · 2 评论 -
01-Keras之用MNIST数据集训练一个DNN
01-Keras之用MNIST数据集训练一个DNN 模型code# -*- coding: utf-8 -*-'''Trains a simple deep NN on the MNIST dataset.Gets to 98.40% test accuracy after 20 epochs(there is *a lot* of margin for parameter tuning).2原创 2017-02-19 16:33:45 · 6115 阅读 · 1 评论 -
00-Keras之入门介绍
00-Keras之入门介绍Keras是一个高层神经网络库,Keras由纯Python编写而成并基于Tensorflow或Theano。Keras 为支持快速实验而生,能够把你的idea迅速转换为结果。Keras特点简易和快速的原型设计(keras具有高度模块化,极简,和可扩充特性)支持CNN和RNN,或二者的结合支持任意的链接方案(包括多输入和多输出训练)无缝CPU和GPU切换Keras设原创 2017-02-19 11:22:56 · 651 阅读 · 0 评论