2017年12月_Steven_ycs

转载 keras学习中遇到的问题

1.我该怎样引用Keras？如果Keras在你的研究中起到了作用，请在你的公开发表作品中以如下形式引用Keras：@misc{chollet2015keras, author = {Chollet, François}, title = {Keras}, year = {2015}, publisher = {

2017-12-24 13:53:39 693

原创深度学习模型的保存方式

学习过深度学习的同志们都知道在训练过程中，模型的重要性，训练好的模型可以用来做分类，因此，我们需要对经过千幸万苦训练好的模型进行保存。本人在学习深度学习的时候，只要使用两种方式，一种是tensorflow版的保存，还有一种是keras版的模型的保存。下面逐一介绍下：一、TensorFlow模型保存与读取（该方式tensorflow只能保存变量而不是保存整个网络，所以在提取模型时，我们还需要

2017-12-22 00:28:42 11681 1

转载 ubuntu下如何正确使用vim编辑器

1、关于文本编辑器；2、vi 编辑器；3、vi 编辑器的使用方法；3.1 如何调用vi ；3.2 vi 的三种命令模式；3.3 文件的保存和退出；3.4 光标移动；3.5 插入模式（文本的插入）；3.6 文本内容的删除操作；3.7 恢复修改及恢复删除操作；3.8 可视模式；3.9 复制和粘帖的操作；3.10 关于行号；3.11 查找和替换功能

2017-12-21 12:21:10 26267

转载 tensorflow 1.0 学习：模型的保存与恢复(Saver)

将训练好的模型参数保存起来，以便以后进行验证或测试，这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。模型保存，先要创建一个Saver对象：如saver=tf.train.Saver()在创建这个Saver对象的时候，有一个参数我们经常会用到，就是 max_to_keep 参数，这个是用来设置保存模型的个数，默认为5，即 max_to

2017-12-17 11:46:01 939

原创 tensorflow 中softmax_cross_entropy_with_logits的使用

"最后的输出" = conv_model(x, weights, biases)['out'] cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=“最后的输出”)) optm = tf.train.AdamOptimizer(learning_rate=learning_rate).

2017-12-17 10:20:50 2989

翻译池化层的理解

为什么可以通过降低维度呢？因为图像具有一种“静态性”的属性，这也就意味着在一个图像区域有用的特征极有可能在另一个区域同样适用。因此，为了描述大的图像，一个很自然的想法就是对不同位置的特征进行聚合统计，例如，人们可以计算图像一个区域上的某个特定特征的平均值 (或最大值)来代表这个区域的特征。一般池化（General Pooling）池化作用于图像中不重合的区域（这与卷积操作不同

2017-12-16 11:21:22 8846

转载 tensorflow 模型的保存与恢复(Saver)

将训练好的模型参数保存起来，以便以后进行验证或测试，这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。模型保存，先要创建一个Saver对象：如saver=tf.train.Saver()在创建这个Saver对象的时候，有一个参数我们经常会用到，就是 max_to_keep 参数，这个是用来设置保存模型的个数，默认为5，即 max_to_kee

2017-12-15 14:17:31 1141

转载卷积神经网络系列之softmax，softmax loss和cross entropy的讲解

我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对这些层具体是怎么实现的了解吗？你对softmax，softmax loss，cross entropy了解吗？相信很多人不一定清楚。虽然网上的资料很多，但是

2017-12-15 09:20:30 327

转载利用keras（tensorflow）做cnn mnist识别

keras图像数据处理以及图像识别小例子1、数据预处理数据集请自行下载，数据不大，20来兆数据具体如下所示：格式为要识别的数字.序号.jpg数据预处理代码，我用的是tensorflow做后端的keras，所以输入维度为（样本量，高，宽，通道）import osfrom PIL import Imageimport numpy as np#读取文件夹m

2017-12-14 05:15:18 491

转载 keras 识别Mnist

# -*- coding: utf-8 -*-# Larger CNN for the MNIST Dataset # 2.Negative dimension size caused by subtracting 5 from 1 for 'conv2d_4/convolution' (op: 'Conv2D') with input shapes # 3.UserWarning

2017-12-14 03:52:58 366

转载 Tensorflow的反卷积（上采样）

关于反卷积的简单例子，可以参照我的另外一篇文章：http://blog.csdn.net/guvcolie/article/details/77529683文章出处：http://blog.csdn.net/mao_xiao_feng/article/details/71713358反卷积操作是卷积的反向如果你随时都记住上面强调的重点，那你基

2017-12-13 13:39:51 2557

转载 Tensorflow 卷积

先介绍一下所用核心函数1.tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,data_format=None,name=None)input：待卷积的数据，格式要求为一个张量tensor，【batch,in_height,in_width,in_channels】分别表示批次数，图像高度，宽度，输入通道数

2017-12-13 10:56:59 386

原创 Cannot evaluate tensor using `eval()`: No default session is registered. Use `with sess.as_default()

#==================================================for i in range(2000): batch = mnist.train.next_batch(50) if i%100 == 0: train_accuracy = accuracy.eval(session=sess, feed_dict

2017-12-13 10:45:09 5195 1

转载 TensorFlow-抽取模型某一层特征

深度学习具有强大的特征表达能力。有时候我们训练好分类模型，并不想用来进行分类，而是用来提取特征用于其他任务，比如相似图片计算。接下来讲下如何使用TensorFlow提取特征。1.必须在模型中命名好要提取的那一层，如下[python] view plain copy self.h_pool_flat = tf.reshape(self.h_pool, [-1,

2017-12-13 06:43:12 2993 2

转载 matlab自带的分类器的测试和分类

代码如下：clcclear allclose alldata = load('data.txt');% 为了svmtrain能使用'showplot',true，此处使用数据的前2维。data = data(:, 1:2); % 由于svmtrain只能处理二分类问题，因而此处使用前100个数据。data = data(1:100, :);label = [ones(

2017-12-06 14:30:32 12352 1

翻译 tensorflow指定gpu的使用

查看机器上GPU情况命令： nvidia-smi功能：显示机器上gpu的情况命令： nvidia-smi -l功能：定时更新显示机器上gpu的情况命令：watch -n 3 nvidia-smi功能：设定刷新时间（秒）显示GPU使用情况其中左上侧有0、1、2、3的编号，表示GPU的编号，在后面指定GPU时需要使用这个编号。在终

2017-12-05 04:45:34 1859

weixin_38208741的博客