tensorflow实战学习
warrles
这个作者很懒,什么都没留下…
展开
-
实战tensorflow——自编码器
自编码器简介: 深度学习提取的是频繁出现的特征;特征是需要不断抽象的,它从见到的微观特征开始,不断抽象特征的层级,逐渐网复杂的宏观特征转变。 特征的稀疏表达:使用少量的基本特征组合拼装得到更高层抽象的特征 Hinton的思路就是先用自编码器的方法进行无监督的预训练,提取特征并初始化权重,然后使用标注信息进行监督式的学习。 层数越多,神经网络所需要的隐含节点可以越少。 层数较深的神经网络的缺点:...原创 2018-09-18 10:58:45 · 243 阅读 · 0 评论 -
tensorflow实战——实现简单的神经网络
from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) sess = tf.InteractiveSession() def weight_variable(...原创 2018-09-18 15:16:59 · 163 阅读 · 0 评论 -
tensorflow实现进阶的卷及网络
#%% # Copyright 2015 The TensorFlow Authors. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License...原创 2018-09-18 19:31:02 · 134 阅读 · 0 评论 -
tensorflow实战——tensorflow实现AlexNet
#%% # Copyright 2015 The TensorFlow Authors. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License...原创 2018-09-18 20:18:49 · 241 阅读 · 0 评论 -
tensorflow实战——tensorflow实现VGG
#%% # Copyright 2016 The TensorFlow Authors. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License...原创 2018-09-18 21:08:34 · 801 阅读 · 1 评论 -
tensorflow实战——Tensorflow实现Google Inception Net
Google Inception Net的改进: ①去除了最后的全连接层,用全局平均池化层; ②精心设计的Inception Module提高了参数利用效率 1x1的卷积是一个非常优秀的结构,它可以跨通道组织信息,提高网络的表达能力,同时可以对输出通道升维和降维。 Inception Modeule中包含了不同尺寸的卷积和一个最大池化,增加了网络对不同尺度的适应性。 Hebbian原理:一起发射的...原创 2018-09-19 15:51:09 · 211 阅读 · 0 评论 -
tensorflow实战——Tensorflow实现ResNet
#%% # Copyright 2016 The TensorFlow Authors. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License...原创 2018-09-19 21:24:35 · 409 阅读 · 0 评论 -
tensorflow实战——经典的卷积神经网络
自编码器简介: 深度学习提取的是频繁出现的特征;特征是需要不断抽象的,它从见到的微观特征开始,不断抽象特征的层级,逐渐网复杂的宏观特征转变。 特征的稀疏表达:使用少量的基本特征组合拼装得到更高层抽象的特征 Hinton的思路就是先用自编码器的方法进行无监督的预训练,提取特征并初始化权重,然后使用标注信息进行监督式的学习。 层数越多,神经网络所需要的隐含节点可以越少。 层数较深的神经网络的缺点:...原创 2018-09-19 21:35:28 · 215 阅读 · 0 评论