Book-21个项目玩转深度学习
文章平均质量分 77
Sarah ฅʕ•̫͡•ʔฅ
勿忘初心
展开
-
利用Tensorflow完成一个数据流图的实现
本文主要讲解如何利用Tensorflow实现如下的数据流图:1)图中上半部分为要实现的数据流图;2)图中左下角部分为要在TensorBoard中展现的变量值;3)图中右下角部分为要更新的变量值;以下为上述数据流图的实现code:graph = tf.Graph() #定义一个数据流图with graph.as_default(): #将graph作为默认的数据流图来使用 #定义变...原创 2019-02-21 19:17:36 · 396 阅读 · 0 评论 -
chapter 15 在Tensorflow中进行时间序列预测
1、本章主要讲了,在Tensorflow(Tensorflow Time Series :TFTS库)下,利用AR(自回归模型)和LSTM 预测时间序列。2、code解析原创 2019-02-10 17:29:03 · 359 阅读 · 0 评论 -
chapter 10 超分辨率:如何让图像变得更清晰
d原创 2019-01-30 23:34:20 · 831 阅读 · 0 评论 -
***chapter 16 神经网络机器翻译技术
本章主要介绍两部分内容:1、神经网络机器翻译技术的原理;2、利用Tensorflow NMT 实现“机器翻译”;一、神经网络机器翻译原理(一)Encoder - Decoder 模型的原理在传统的 N VS N RNN中,其input和output等长,他的这种特性限值了他在“机器翻译”领域的应用,因为,在机器翻译中,“原文”和“译文”往往是不等长的。Encoder - Decoder...原创 2019-02-11 16:05:50 · 527 阅读 · 2 评论 -
***chapter 17 看图说话:将图像转换为文字
所谓Image Caption,是指从图片中自动生成一段描述性文字,类似于“看图说话”。本章主要介绍2个内容:1)Image Caption的技术原理;2)Image Caption在Tensorflow中的实现;一、Image Caption综述本节总结了3篇论文中Image Caption的核心思想。(一)Show and Tell:A Neural Image Caption G...原创 2019-02-11 21:15:31 · 584 阅读 · 1 评论 -
chapter 18 强化学习入门之Q
一、强化学习基础算法:Q Learning强化学习中最核心的概念有以下几个:智能体(agent)环境(environment)动作(action)奖励(reward)状态(state)智能体存在于环境中,它在环境中做出一个动作,会到达一个相应的状态,得到一个相应的奖励。在实际的强化学习中,每个状态的reward是已知的(即人为定义的),当智能体go right,其会得到正向奖励,反...原创 2019-02-12 22:13:44 · 163 阅读 · 0 评论 -
chapter 19强化学习入门之SARSA算法
原创 2019-02-13 18:30:37 · 147 阅读 · 0 评论 -
*** chapter 20 深度强化学习:Deep Q Learning
本章主要介绍一下DQN(Deep Q Network)的原理,以及DQN 在tensorflow中的实现;一、DQN原理DQN是Q Learning的升级版,在DQN中采用深度神经网络来表示Q函数。DQN是在论文:Playing Atari with Deep Reinforcement Learning中提出的,这篇论文解决的实际问题是:用强化学习来玩雅达利(Atari)游戏机上的像素游戏...原创 2019-02-13 22:17:03 · 126 阅读 · 0 评论 -
chapter 21 策略梯度算法
本章主要讲解2部分内容:“策略梯度算法原理”;Tensorflow下“策略梯度算法”的实现;一、策略梯度算法前面几章讲的Q Learning ,SARSA,DQN都是计算一个Q[state,action],然后根据Q[state,:].argmax()来决定智能体在state下的action,本章讲的“策略梯度算法”则是直接input智能体的state,output智能体当下应该做出的acti...原创 2019-02-14 13:32:20 · 233 阅读 · 0 评论 -
chapter 14 词的向量表示:word2vec 与 词嵌入
d原创 2019-02-09 23:20:47 · 188 阅读 · 0 评论 -
chapter 7 图像风格迁移
本章主要讲解了两个内容:1)图像风格迁移的原理;2)利用tensorflow实现图像风格迁移项目;一、图像风格迁移原理(一)原始图像风格迁移原理所谓图像风格迁移,是将一种image1的图像风格应用于另外的image2中,使image2,具有与image1一样的图像风格。比如,将毕加索著名的画作“星空”的风格,应用于一张普通的image中,如下图所示:下面主要讲述一下原始的图像风格迁移原...原创 2019-01-23 13:43:03 · 244 阅读 · 0 评论 -
chapter 13 序列分类问题详解
d原创 2019-02-03 17:52:01 · 91 阅读 · 0 评论 -
chapter 3. 打造自己的图像识别模型
一、微调原理在自己的训练数据上训练深度模型时,一般采取在“预训练好的神经网络(如:ImageNet模型:VGG16)”上进行微调的方法。以VGG16说明“微调含义”:如果要将VGG16的结构应用于新的数据集,首先要丢掉fc8层,然后重新加入fc8’,使得其output dimension满足新数据集的要求。在调整好VGG16结构以后,在训练VGG16时,可以保留VGG16的部分“预训练参数”,...原创 2018-11-28 13:58:13 · 629 阅读 · 2 评论 -
chapter4. Deep Dream模型
本章主要讲了利用已经训练好的“图像识别模型inception”,绘制image的方法。通篇涉及4个code,由简到繁讲述了image的绘制过程。下面进行简要总结:一、Deep Dream的技术原理二、...原创 2019-01-14 13:12:36 · 168 阅读 · 0 评论 -
chapter 8 GAN和DCGAN入门
本章主要讲述两部分内容:1)GAN,DCGAN的工作原理;2)DCGAN在tensorflow中的实现;一、GAN 和 DCGAN 的工作原理(一)GAN的工作原理GAN(Generative Adversarial Networks),意为“对抗生成网络”,属于“无监督学习”的一种,可以用来生成不同类型的数据,本章,以生成图片为例,介绍GAN工作原理,及在tensorflow中的实现。G...原创 2019-01-24 23:42:07 · 470 阅读 · 0 评论 -
chapter5. 深度学习中的目标检测
本章主要介绍了深度学习中的目标检测原理,及具体的代码实现。一、深度学习中的几种目标检测原理本小节主要介绍3中目标检测原理:R-CNN,Fast R-CNN,Faster R-CNN。1、R-CNNR-CNN遵循传统目标检测的思路,同样采用提取框,对每个框提取特征,图像分类,非极大值抑制四个步骤进行目标检测。与传统目标检测不同的是,R-CNN中,采用“深度卷积模型”提取各框中的特征。其具体步...原创 2019-01-20 15:50:29 · 396 阅读 · 0 评论 -
chapter 9 pix2pix模型与自动上色技术
本章主要讲解2方面的内容:1)cGAN和pix2pix的原理;2)tensorflow下pix2pix的实现;一、cGAN 和 pix2pix(一)cGAN我们在上一章中,讲了GAN的原理,通过GAN能够生成一个新的样本,但是,GAN无法确切控制样本的类型。本节讲的cGAN能够有效解决这个问题,如,只要给cGAN(conditional generative adversarial netw...原创 2019-01-25 21:51:31 · 799 阅读 · 0 评论 -
chpter 6 人脸检测和人脸识别
d原创 2019-01-22 10:08:43 · 160 阅读 · 0 评论 -
chapter 11 CycleGAN与非配对图像转换
本章主要总结2个知识点:1)CycleGAN原理;2)CycleGAN在Tensorflow中的实现;一、CycleGAN原理在前两章中,我们主要利用pix2pix.py来训练DCGAN,进行“图像翻译”,在训练DCGAN时,要求训练样本是成对的,比如:image_blur 和 image_clear,但是,在现实世界,这种成对的样本很难寻找,由此,引入了CycleGAN,在对该网络进行训练时...原创 2019-02-01 20:15:11 · 486 阅读 · 0 评论 -
chapter12 RNN基本结构 与 Char RNN文本生成
一、循环序列模型本小节主要总结一下RNN与LSTM的不同之处:标准RNN,在利用反向传播求导时,会产生梯度连乘的现象,从而引起梯度消失,会梯度爆炸的问题,因此,标准RNN很难拥有长程记忆,无法学到序列中蕴含的间隔时间较长的规律。与RNN相比,LSTM能够有效解决这个问题。需要指出的是:在大多数情况下,RNN和LSTM是可以相互互换的,因此在很多论文以及文档中都会看到类似于“RNN(LSTM...原创 2019-02-02 23:30:23 · 169 阅读 · 0 评论 -
chapter2. CIFAR-10与ImageNet图像识别
一、Tensorflow 数据读取机制1、tensorflow数据读包括两步:1)读取,2)计算。假设读取需花费0.1s,计算花费0.9s,则在读取数据时,GPU会有0.1s无事可做。这将大大降低GPU的运行效率。下图为tensorflow数据读取 步骤 图示:2、为提高GPU的运行效率,tensorflow采用“多线程”的方式,进行数据读取,线程一将数据从文件系统读入“内存队列”,线程二...原创 2018-11-24 17:56:03 · 535 阅读 · 0 评论