深度学习
简简丹
这个作者很懒,什么都没留下…
展开
-
CNN
一.卷积神经网络结构:1.输入层:为输入的特征数,如图像的像素数2.卷积层:主要结构为卷积核(过滤器、内核)。一般经过卷积层之后节点矩阵会变得更深过滤器(作用、尺寸、调整结果矩阵的大小作用:将当前层神经网络上的一个子节点矩阵(三维的)转化为下一层神经网络上的一个单位节点矩阵,其中单位节点矩阵指的长和宽都为1,但深度不限的节点矩阵。尺寸:长宽人工指定(33,55),处理的矩阵深度和当前神经...原创 2019-03-24 19:18:10 · 900 阅读 · 0 评论 -
tensorflow——tf.flags命令行参数的使用
1.主要用途flags帮助我们通过命令行来动态的更改代码中的参数(可以不用反复修改源代码中的参数,直接在命令行中进行参数的设定。如 python train.py --input_file “…” )使用flags定义命令行的参数(先定义参数,将参数统一保存到变量FLAGS中,相当于赋值,后面调用参数时直接使用FLAGS参数即可)2. 参数类型主要包括tf.flags.DEFINE_xx...原创 2019-03-27 13:42:54 · 2674 阅读 · 0 评论 -
tensorflow——tf.contrib.learn.preprocessing.VocabularyProcessor用法
主要构建语料集中的词典,以及把中文序列转化为词id序列函数tf.contrib.learn.preprocessing.VocabularyProcessor(max_document_length, min_frequency=0, vocabulary=None, tokenizer_fn=None)参数:max_document_length: 文档的最大长度。如果文本的长度大于最大...原创 2019-03-27 15:56:55 · 867 阅读 · 0 评论 -
tensorflow——optimizer.minimize()、optimizer.compute_gradients()、optimizer.apply_gradients()
优化函数# 损失函数loss = ...optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.1)train_op =optimizer.minimize(loss)其中minimize()包含两个步骤:1.计算loss对指定val_list的梯度(导数),返回元组列表[(gradient,variable),…]...原创 2019-03-27 16:52:54 · 24214 阅读 · 0 评论 -
卷积神经网络实现文本分类
源代码链接(github地址)https://github.com/dennybritz/cnn-text-classification-tf参考博文: https://blog.csdn.net/github_38414650/article/details/74019595数据集:https://github.com/cystanford/text_classification包含训练...原创 2019-03-28 09:57:02 · 2873 阅读 · 0 评论 -
循环神经网络RNN
输入与输出:输入:序列上不同时刻的数据依次传入,每一时刻必须有输入输出:对序列下一时刻的预测;对当前时刻信息的处理结果,每一时刻不一定要有输出。用途:处理和预测序列数据。当前输出与之前的信息有关,体现在网络结构上就是,就是会记忆之前的信息,并利用之前的信息影响后面节点的输出,即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层的输出,还包括隐藏层上一刻的输出。对比对比全连...原创 2019-03-29 10:36:09 · 436 阅读 · 0 评论