Alex.W.的机器学习之路

A Type in Theano represents a set of constraints on potential data objects. These constraints allow Theano to tailor C code to handle them and to statically optimize the computation graph.

有时候我们需要在Tensorflow中restore图的部分变量，比如我们想把两个已经训练好的子图合并成一个大图；或者我们在训练完一个网络结构后对其进行扩展，并且保留已经训练好的部分不变；又或者要对graph的几个部分交替进行训练。      Tensorflow在restore模型的时候是严格按照变量名的对应关系赋值的。例如在构建的Graph里有个name='...

图像分类和目标检测是计算机视觉两大模块。相比于图像分类，目标检测任务更复杂更困难。目标检测不但要检测到具体的目标，还要定位目标的具体位置。不过Tensorflow models上大神们的无私奉献已经使得目标检测模型平民化，只需要按照特定的格式准备好训练数据，就可以轻松训练出自己想要的目标检测模型。本文通过一个例子介绍如何通过Tensorflow models快速构建目标检测模型。准...

TensorBoard是TensorFlow极为有用的工具，可以用来记录和跟踪学习过程中网络结构节点的变化（Event、Images），展示整个网络结构，对于程序的结构检验、调试和优化有很大的帮助。本文用一个卷积神经网络（CNN）演示如何使用TensorBoard以及使用过程中遇到的一些问题。代码最后的graph结构图： 一、示例代码：1、加载数据MNISTimport tutorials.m

目标检测是机器学习领域很重要也很具有挑战性的一个分支，目标检测需要同时完成图像分割和子图分类两项task，比图像分类更具难度。最近几年，深度学习在图像处理上有很多成功的尝试，而目标检测领域也出现了一些很好的方法。本文主要介绍RPN-based的系列方法，包括R-CNN、Fast-RCNN和Faster-RCNN。    RPN-based（RPN：Region Proposal Network）目

tensorflow是目前最受欢迎的deep learning框架之一，在学术界和产业界都有广泛的使用。在如何部署tensorflow模型提供远程调用服务方面官方提供了tensorflow serving框架，详细的介绍可以参考官网资料：https://tensorflow.github.io/serving/。本文主要介绍另一条部署服务的途径：利用flask快速搭建tensorflow http服

本文转载自：https://zhuanlan.zhihu.com/p/233614132016年，机器学习在 Alpha Go 与李世石的世纪之战后变得更加炙手可热。Google也在今年推出了 TensorFlow Serving 又加了一把火。TensorFlow Serving 是一个用于机器学习模型 serving 的高性能开源库。它可以将训练好的机器学习模型部署到线上，使用 gRPC 作为接

Google开源的深度学习框架Tensorflow在数据预取上做了一些特殊的特征来提高模型训练或者推理的效率，避免在IO上耗费过多的时间。本文通过几个简单例子介绍Tensorflow构建queue常用函数的使用方法。    深度学习训练模型通常是建立在大数据基础上，一般情况下可以把数据都加载到内存避免训练时数据读取IO。但是，当数据占用空间较大，如图片集或者视频集，无法全部载入内存；另一种方式是在

一、theano的工作原理    在theano编程中，Graph是指导theano如何对变量进行操作的唯一途径，theano变量和theano Ops（操作）是Graph的两个基本构成元素。Graph只能由theano变量（包括shared变量）或常数组成。如图所示：     通常可以按如下步骤构造Graph：首先声明theano变量，theano变量在python文件中的作用范围和普通pyth

一、Theano的局限性Theano代码编写比较灵活，但是也存在一些局限性： 1、while和if循环必须通过theano.scan()操作实现，从而循环的主体会受到一些限制； 2、不支持goto和递归。 所以对于某些矩阵操作需要coder选择合适的方法解决。下面通过两种生成斐波那契数列的方法来讲解scan的使用：import theanoimport theano.tensor as T

关于RBMs的文章已经有不少了，但是很多资料我在阅读的时候仍然对细节有一些疑惑。在查阅学习了大牛的视频、论文之后，很多问题豁然开朗，就在这片文章中记录下我对RBMs的粗浅了解吧。首先从玻尔兹曼机和限制玻尔兹曼机的结构和定义开始： Boltmann Machines：玻尔兹曼机（Boltmann Machines）的能量函数（Energy function）是： E(x,h)=−h⊤Wx−c⊤x−

问题一 VS2012 was not found   为了实践Deep Learning有关的算法，尝试在本子上搭建Theano环境，按照Theano官网一步步进行配置，但还是遇到了不少问题，心累~~(*￣3￣)╭在用VS2012 Express作为编译器安装CUDA5.5时遇到一个问题：     Nsight for Visual Studio 2012 not installed

一、概述： 自从2010年Hinton大神团队使用深度学习（Deep Learning）算法在 ImageNet 比赛中获得冠军之后，深度学习算法的触角在计算机视觉、语音识别、自然语言处理等领域不断延伸，并且在这些领域都取得了极大的成功。而2015年的ImageNet比赛也到处都是深度学习算法的影子。深度学习建立在各种神经网络结构的基础上，借助于GPU和大数据，使得深层的神经网络也能被很好的学习

新入门Theano，官方文档最后一节讲到Theano中部分权重（权重子集）更新问题“How to update a subset of weights?”，按照教程自己写了一个实例，但是f = theano.function(…, updates=updates)报错。Bug信息提示，updates = inc_subtensor(subset, g*lr)得到的是一个tensor类型，而updat

在按照Theano Tutorial编写查看Theano图结构时遇到了点问题。示例代码：import theanoimport theano.tensor as Tfrom theano import functionimport pydot,a = theano.tensor.vector("a") # declare symbolic variableb = a + a **

2018年google AI组发表的一篇文章BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding在多个自然语言处理问题上取得了很大的提升。      BERT是一个迁移学习模型，在双向深度网络Transformer （https://arxiv.org...