深度学习
北方大冬瓜
N/A
展开
-
TensorFlow教程01:针对机器学习初学者的MNIST实验——MNIST介绍
[小编推荐] 首先声明,这个教程的目标读者是机器学习和TensorFlow的新手。如果你熟悉MNIST和Softmax回归,有另外一篇快速教程你可以学习。开始学习这篇教程前,请确认你已正确安装TensorFlow。另外,本文由北方大冬瓜翻译,转载并注明版权,谢谢! 在我们学习任何一门编程语言的时候,我们做的第一件事情就是写一个“Hello World!”程序;机器学习的“Hello World翻译 2016-05-02 23:03:49 · 13264 阅读 · 0 评论 -
TensorFlow教程02:针对机器学习初学者的MNIST实验——Softmax回归
[小编推荐] 首先声明,这个教程的目标读者是机器学习和TensorFlow的新手。如果你熟悉MNIST和Softmax回归,有另外一篇快速教程你可以学习。开始学习这篇教程前,请确认你已正确安装TensorFlow。另外,本文由北方大冬瓜翻译,转载并注明版权,谢谢!我们知道MNIST中的每幅图像都是一个数字,不论它是0还是9。我们想在看到一幅图像时,能给出它是每一个数字的概率。比如,我们的明翻译 2016-05-03 13:39:10 · 4243 阅读 · 0 评论 -
TensorFlow教程03:针对机器学习初学者的MNIST实验——回归的实现、训练和模型评估
实现回归模型为了用python实现高效的数值计算,我们通常会使用函数库,比如NumPy,会把类似矩阵乘法这样的复杂运算使用其他外部语言实现。不幸的是,从外部计算切换回Python的每一个操作,仍然是一个很大的开销。如果你用GPU来进行外部计算,这样的开销会更大。用分布式的计算方式,也会花费更多的资源用来传输数据。TensorFlow也把复杂的计算放在python之外完成,但是为了避翻译 2016-05-04 19:16:43 · 15330 阅读 · 1 评论 -
TensorFlow教程04:针对机器学习初学者的MNIST实验——源码和运行结果
[小编推荐] 假定您已经安装好了TensorFlow,这里放了第一个MNIST实验的代码和参考结果,你可以直接运行验证。源码#!/usr/bin/pythonimport tensorflow as tfimport sysfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.re原创 2016-05-04 21:44:58 · 3320 阅读 · 0 评论 -
TensorFlow教程05:MNIST深度学习初探
TensorFlow是一个非常强大的用来做大规模数值计算的库。其所擅长的任务之一就是实现以及训练深度神经网络。在本教程中,我们将学到构建一个TensorFlow模型的基本步骤,并将通过这些步骤为MNIST构建一个深度卷积神经网络。这个教程假设你已经熟悉神经网络和MNIST数据集。如果你尚未了解,请查看新手指南.安装在创建模型之前,我们会先加载MNIST数据集,然后启翻译 2016-05-05 22:44:25 · 15969 阅读 · 1 评论 -
TensorFlow教程06:MNIST的CNN实现——源码和运行结果
[小编推荐] 假定您已经安装好了TensorFlow,这里放了第二个MNIST实验的代码和参考结果,你可以直接运行验证。源码#!/usr/bin/pythonimport tensorflow as tfimport sysfrom tensorflow.examples.tutorials.mnist import input_datadef weight_variab原创 2016-05-23 12:13:27 · 12773 阅读 · 0 评论 -
TensorFlow基础
使用 TensorFlow, 你必须明白 TensorFlow:使用图 (graph) 来表示计算任务.在被称之为 会话 (Session) 的上下文 (context) 中执行图.使用 tensor 表示数据.通过 变量 (Variable) 维护状态.使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.综述翻译 2016-06-04 23:15:02 · 2398 阅读 · 0 评论