立即学习:https://edu.csdn.net/course/play/5278/95929?utm_source=blogtoedu
tensorflow/models 仓库
slim --针对图像识别的api
datasets ——数据下载与打包
deployment——多机多卡加速训练时使用
nets——tensorflow提供的模型（重要）
preprocessing——数据预处理，数据增广（亮度调整等）
scripts——示例脚本
剩余文件——看文件名调用（实际会用到的东西）
卷积神经网络基础单元
卷积，激活函数，池化，批归一化，Dropout
卷积——从图像中抽取特征
局部相关性，中心感受野（多层卷积对中心更感兴趣）
激活函数——非线性扭曲
池化——缩减图片，减小计算量
信息保留与过滤，平移不变性（让卷积保持不同位置的注意力）
批归一化——在处理后规整数据，加速训练和收敛
Dropout——减少过拟合（特征必须特别符合才认识），可能会使收敛变慢
优秀模型解析
AlexNet（卷积）
VGG（更深）
ResNet（残差传递，超越了深度的限制）
INception（Branch结构，非对称卷积）
DenseNet（新方向，综合上述结构）
数据经过网络时选择的路径多少可能决定学习的好坏
训练自己的模型
- 数据准备（需要修改代码）
- 模型选择
- 启动训练
- 过程监控
- 结果评估（需要修改代码）
- 上线测试（需要修改代码）
数据准备
数据格式：TFRecord
生成工具：datasets/download_and_convert_flowers.py（适合自然图像）
num_validation：保留多少数据作为验证集（一般10%）
1015
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
