Suan2014的博客

说明：TensorFlow windows的在线安装请参看博文： TensorFlow-1 入门 由于笔记本的性能比较差，在跑两层CNN+softmax进行数字识别时，笔记本就处在了卡死状态，痛定思痛，本博主就决定在我的高大上的电脑（学校电脑不让联网，泪奔。。。。）上装python，pycharm,和TensorFlow。 查网上文章，木有找到离线安装TensorFlow的，因

转自：http://www.cnblogs.com/linjiqin/p/3608541.html目录1、字符串2、布尔类型3、整数4、浮点数5、数字6、列表7、元组8、字典9、日期1、字符串1.1、如何在Python中使用字符串a、使用单引号(')用单引号括起来表示字符串，例如：str='this is string';

转自：http://blog.csdn.net/csmqq/article/details/51461696Standardization即标准化，尽量将数据转化为均值为零，方差为一的数据，形如标准正态分布（高斯分布）。实际中我们会忽略数据的分布情况，仅仅是通过改变均值来集中数据，然后将非连续特征除以他们的标准差。sklearn中 scale函数提供了简单快速的singlearray-like

在学习python的过程中，lambda的语法时常会使人感到困惑，lambda是什么，为什么要使用lambda，是不是必须使用lambda？　　下面就上面的问题进行一下解答。　　1、lambda是什么？　　　　看个例子：　　　　　1 g = lambda x:x+1　　看一下执行的结果：　　　g(1)　　>>>2　　g(2)

1 数据cifar-10数据，该数据集包含60000张32X32的彩色图像，其中训练集50000张，测试集10000张。标注为10类，每一类6000张图片，这10类分别是airplane、automobile bird cat deer dog frog horse ship truck，其中没有任何重叠的情况。数据可从 https://github.com/tensorflow/mo

1 AlexNet网络结构请参看：http://www.cnblogs.com/gongxijun/p/6027747.htmlAlexNet网络的新技术点：1）成功使用ReLU作为CNN的激活函数，成功解决了Sigmoid函数在网络较深时的梯度弥散问题。2）训练时使用Dropout随机忽略一部分神经元，以避免过拟合。3）在CNN中使用重叠的最大池化，避免平均池化的模糊效果，并

1 自编码器原理自编码器（AutoEncoder）即可以使用自身的高阶特征编码自己。自编码器其实是一种神经网络，它的输入和输出是一致的，它借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。因此，它的特征比较明显：1.期望输入输出一致；2.希望使用高阶特征来重构自己。当给数据加入噪声时，那就是Denoising AutoEncoder（去噪自编码器），我们将从噪声中学习

学习TensorFlow程序代码时，很多时候可以看到tf.app.run()，下面讲一下该函数的作用和用法。1 函数原型run(main=None, argv=None) Runs the program with an optional 'main' function and 'argv' list.2 作用 通常用此函数解析命令行后，运行main函数3

说明：本文的知识内容转自http://blog.csdn.net/mameng1/article/details/54409910如若侵权，请联系博主删除。在学习TensorFlow模块时，程序中遇到命令行解析模块的argparse部分程序，利用python help()之后也没太弄明白其作用及用法，当看到mameng1博主关于这部分的内容时，觉得清晰明了，为加深自己的印象，为此块的学习留

1 卷积神经网络原理CNN的原理部分请参看：http://blog.csdn.net/yunpiao123456/article/details/52437794 讲得非常详细。2 网络架构数据：Mnist手写数字网络构造：两层卷积，两层池化，1层全连接层，最后softmax分类分类               卷积1层：核5X5，stride=1,32个filters, pa

1 TensorFlow搭建网络的步骤（1）定义公式，也就是forward时的计算；（2）定义loss，选定优化器，并指定优化器优化loss（3）迭代地对数据进行训练；（4）在测试集上或验证集上对准确率进行评测。2 设置数据：Mnist数据网络：1个隐含层，隐含层节点数300（200--1000范围内的结果差别不大）。    W1的初始化参数为截断的正太分布，其标准

因为又要用到conv2d函数，决定把每个参数都弄明白。转自：http://blog.csdn.net/mao_xiao_feng/article/details/53444333tf.nn.conv2d是TensorFlow里面实现卷积的函数，参考文档对它的介绍并不是很详细，实际上这是搭建卷积神经网络比较核心的一个方法，非常重要tf.nn.conv2d(inpu

1 理论卷积神经网络（CNN）的理论内容请参考：卷积神经网络概念与原理         2 CNN网络结构利用CNN进行MNist数字识别，两层卷积层，两层池化层1层卷积层:Size（5,5）,Stride(1), 32feature Map 激活函数为RELU1层池化层：Size（2,2），最大池化2层卷积层：Size(5,5),Stride(1), 64feature

步骤准备： 1  数据准备：可以直接从'/tmp/tensorflow/mnist/input_data'中获取  2 创建模型：x W b  3 定义损失函数和优化形式（采用softmax分类器）  4 启动会话（Session）  5 训练模型  6 测试并计算输出  其中softmax分类器的原理请参考：Softmax回归程序：#TensorFlow手

正在做问答系统，看到腾讯正式开源一个大规模、高质量的中文词向量数据集Tencent_AILab_ChineseEmbedding.txt，简直喜极而泣。下载地址：https://ai.tencent.com/ailab/nlp/embedding.html ，里边有对数据集的介绍还有论文的下载地址。迅速写了一个代码，用在我自己的问答系统中，效果嘛还在训练，初始几步的loss确实比之前随机初始化下...