tensorflow
行歌er
因个人原因,暂不维护该博客
展开
-
TensorFlow学习笔记(八)——TensorBoard可视化
前言: 训练神经网络十分复杂,有时需要几天甚至几周的时间。为了更好的管理、调试和优化神经网络的训练过程,TensorFlow提供了一个可视化工具TensorBoard。本文将介绍TensorFlow 的可视化工具 TensorBoard。TensorBoard 是 TensorFlow 自带的工具,不需要额外的安装过程。虽然TensorBoard和TensorFlow运行在不同的进程中...原创 2018-05-09 10:11:37 · 5304 阅读 · 0 评论 -
TensorFlow实战(五)——交通标志牌(GTSRB数据集)的格式转换(二)
在上一篇博客学习了如何将数据集转换成jpg文件,本文介绍将数据集的转换png的格式,实现代码比上编博客有所改进。 我的训练数据集保存路径如下:随意进入一个文件夹,可以看到: 来看看测试数据集: 在进行批量转换之前,我们创建两个目录: E:\DataSet\GTRSB\GTSRB_Final_Training_Images_png\GTSRB\Final_Train...原创 2018-05-15 17:20:38 · 5973 阅读 · 5 评论 -
TensorFlow实战(三)——基于LeNet-5模型实现MNIST手写数字识别
前言: 本文将介绍一种经典的卷积神经网络的网络结构——LeNet-5模型,并给出一个完整的TensorFlow程序来实现LeNet-5模型。通过这个模型,我们可以得到卷积网络结构设计的一个通用模式。一、卷积神经网络简介 在这一节中将讲解卷积神经网络与全连接神经网络(每两层之间的所有节点都是有边相连的)的差异,并介绍组成一 个卷积神经网络的基本网络结构。下图显示了全连接神经...原创 2018-05-08 17:17:13 · 14729 阅读 · 5 评论 -
TensorFlow实战(二)——MNIST手写数字识别最佳实践
前言:针对MNIST手写数字识别问题,本文将介绍一个TensorFlow训练神经网络模型的最佳实践。将神经网络的训练、测试和使用拆分成了不同的程序,并且将神经网络的前向传播过程抽象成了一个独立的库函数。通过这种方式可以将训练过程和测试、使用过程解耦合, 从而使得整个流程更加灵活。本文的代码将会被拆成3个程序,第一个是mnist_inference.py,它定义了前向传播的过程以及神经网络中的参数。...原创 2018-05-07 21:50:09 · 1779 阅读 · 1 评论 -
TensorFlow学习笔记(七)——浅谈过拟合问题的解决办法
本文将继续介绍神经网络优化过程中可能遇到的一些问题,以及解决这些问题的常用方法。在训练复杂神经网络模型时,过拟合是一个非常常见的问题。本文介绍解决这个问题的主要方法。 所谓过拟合,指的是当一个模型过为复杂之后,它可以很好地“记忆”每一个训练数据中随机噪音的部分而忘记了要去“学习”训练数据中通用的趋势。 为了避免过拟合问题,一个非常常用的方法是正则化(regulariz...原创 2018-05-06 22:47:57 · 2699 阅读 · 0 评论 -
TensorFlow学习笔记(六)——神经网络优化算法
前言: 梯度下降算法主要用于优化单个参数的取值, 而反向传播算法给出了一个高效的方式在所有参数上使用梯度下降算法,从而使神经网络 模型在训练数据上的损失函数尽可能小。反向传播算法是训练神经网络的核心算法,它可以根据定义好的损失函数优化神经网络中参数的取值,从而使神经网络模型在训练数据集上的损失函数达到一个较小值。本文将给出一个具体的样例来解释使用梯度下降算法优化参数取值的过程。一、梯...原创 2018-05-06 21:40:51 · 3025 阅读 · 0 评论 -
TensorFlow实战(五)——交通标志牌(GTSRB数据集)的格式转换(一)
前言: 本文将学习基于TensorFlow,利用德国交通标志数据集——GTSRB交通信号数据集(包含62中交通信号),进行训练简单的卷积神经网络完成识别。一、交通标志数据集 1.1 数据集下载 交通标志识别是一个很好的入门练手项目,在网上可以找到很多的相关资料。首先呢,去找到一个优秀的训练数据集是至关重要的。在这里,我选择了德国交通标志数据集,那么如何下载数据集呢? ...原创 2018-05-12 21:46:11 · 28771 阅读 · 23 评论 -
TensorFlow实战(四)——交通标志牌(BelgiumTS交通数据集)的识别(一)
前言: 本文将学习基于TensorFlow,利用比利时交通标志数据集——BelgiumTS交通信号数据集(包含62中交通信号),进行训练简单的卷积神经网络完成识别。一、交通标志数据集 1.1 数据集下载 交通标志识别是一个很好的入门练手项目,在网上可以找到很多的相关资料。首先呢,去找到一个优秀的训练数据集是至关重要的。在这里,我选择了比利时交通标志数据集,那么如何下载数据...原创 2018-05-12 21:51:56 · 17280 阅读 · 13 评论 -
TensorFlow学习笔记(五)——损失函数
前言: 神经网络模型的效果以及优化的目标是通过损失函数(loss function)来定义的。本章将学习适用于分类问题和回归问题的经典损失函数。 分类问题和回归问题是监督学习的两大种类。 一、分类问题中的损失函数 分类问题希望解决的是将不同的样本分到事先定义好的类别中,例如手写体数字识别问题可以被归纳成一个十分类问题。手写体数字识别问题可以被看成将一张包含了数字的图...原创 2018-05-03 21:44:33 · 1558 阅读 · 0 评论 -
TensorFlow学习笔记(三)——变量管理
前言: TensorFlow提供了通过变量名称来创建或者获取一个变量的机制。通过这个机制,在不同的函数中可以直接通过变量的名字来使用变量,而不需要将变量通过参数的形式到处传递。TensorFlow 中通过变量名称获取变量的机制主要是通过 tf.get_variable 和tf.variable_scope函数实现的。下面将分别介绍如何使用这两个函数。一、变量的创建方式—— tf.Var...原创 2018-05-03 13:40:15 · 714 阅读 · 0 评论 -
TensorFlow实战(一)——基于Softmax Regression识别MNIST手写数字
前言: 我们就以一个机器学习领域的Hello World任务一MNIST手写数字识别来初探TensorFlow。 MNIST(Mixed Nationa1 Institute of Standards and Technology database)是一个非常简单的机器视觉数据集,如图3-1所示,它由几万张28像素x28像素的手写数字组成,这些图片只包含灰度值信息。我们的任务就是对这些...原创 2018-05-03 17:37:29 · 796 阅读 · 0 评论 -
TensorFlow学习笔记(二)——最简单的前后传播算法
前言: 不同的神经网络结构前向传播的方式也不一样, 本章将介绍最简单的全连接网络结构的前向传播算法,并且将展示如何通过TensorFlow实现这个算法。一、前后传播算法简介 为了介绍神经网络的前向传播算法,需要先了解神经元的结构。 神经元是构成一个神经网络的最小单元,下图显示了一个最简单的神经元结构。 从图中可以看出,一个神经元有多个输入和一个输出。每个神经元的输入既...原创 2018-05-02 20:54:45 · 2397 阅读 · 0 评论 -
TensorFlow学习笔记(一)——TensorFlow的主要概念
前言: 本章将学习TensorFlow中最基本的一些概念。一、TensorFlow的计算模型——计算图1.1 计算图的概念 计算图是TensorFlow中最基本的一个概念,TensorFlow中的所有计算都会被转化为计算图上的节点。TensorFlow的名字中已经说明了它最重要的两个概念一Tensor和Flow。Tensor就是张量。在TensorFlow中,张量可以被简单地理解为...原创 2018-05-02 16:01:28 · 1071 阅读 · 0 评论 -
基于MTCNN卷积神经网络的人脸识别
该文作者开源了测试代码,源代码可以在我之前的文章中或者Github中去下载,我对源代码的数据输入部分做了一些改动以更方便的实现人脸检测,即将 facedetect_mtcnn.py主函数文件更改为如下代码:# coding=utf-8from __future__ import absolute_importfrom __future__ import division...原创 2018-09-03 17:20:12 · 3024 阅读 · 1 评论