深度学习
文章平均质量分 78
开启小白之旅
韩豆豆小姐
今晚我不关心人类
展开
-
深度学习入门学习之杂
全连接层1、定义由于每个输出节点与全部的输入节点相连接,这种网络层称为全连接层(Fully-connected Layer),或者稠密连接层(Dense Layer),W 矩阵叫做全连接层的权值矩阵,????向量叫做全连接层的偏置2、实现张量方式实现在 TensorFlow 中,要实现全连接层,只需要定义好权值张量 W 和偏置张量 b,并利用TensorFlow 提供的批量矩阵相乘函数 tf.matmul()即可完成网络层的计算层方式实现TensorFlow 中有更加高层、使用更方便的层实原创 2020-12-01 20:58:13 · 276 阅读 · 0 评论 -
深度学习之数据加载
在 TensorFlow 中,keras.datasets 模块提供了常用经典数据集的自动下载、管理、加载与转换功能,并且提供了 tf.data.Dataset 数据集对象,方便实现多线程(Multi-thread),预处理(Preprocess),**随机打散(Shuffle)和批训练(Train on batch)**等常用数据集功能常用数据集:Boston Housing 波士顿房价趋势数据集,用于 回归模型 训练与测试CIFAR10/100 真实图片 数据集 ,用于图片分类任务原创 2020-11-28 15:02:04 · 676 阅读 · 0 评论 -
深度学习入门之四
数据复制1、tf.tile(x, multiples)函数完成数据在指定维度上的复制操作,multiples 分别指定了每个维度上面的复制倍数,对应位置为 1 表明不复制,为 2 表明新长度为原来的长度的 2 倍,即数据复制一份,以此类推b = tf.constant([1,2])print(b)b = tf.expand_dims(b,axis = 0)print(b)#对b在行上复制一份c = tf.tile(b,multiples = [2,1])print(c)#对b在列上复制一原创 2020-11-25 18:58:16 · 167 阅读 · 1 评论 -
深度学习入门之三
数学运算**±/,pow,square//(表示整除),%exp,log@,matmullinear layer一、element-wise±/ pow,square//(表示整除),%exp,log都是对 对应元素进行操作二、matrix-wise@,matmul(这两个均用来表示矩阵乘法)import tensorflow as tfa = tf.ones([2,2])b = tf.fill([2,2],3.)print(a,b)print("这是a*b",a*b)原创 2020-11-22 21:28:45 · 306 阅读 · 0 评论 -
深度学习入门之二
一、索引与切片可以用来提取张量的部分数据1、索引(不推荐)2、常用numpy风格变量名[index1,index2,index3,…,indexn]切片1 start:end切片2 规定步长 start????step step为正表示正向,为负表示逆向取多个维度上的所有数据 …二、gather:可以用来指定某些值#b表示[班级,人数,成绩]b = tf.random.normal([3,4,3])b= tf.cast(b,tf.int32)print(b)#0、2号班原创 2020-11-07 16:04:19 · 159 阅读 · 0 评论 -
深度学习入门之一
数据类型一、数值类型scalar(单个数)、vector[]、matrix[[],[]]、tensor(张量):所有维度>2 的数组统称为张量,例如shape[2,32,32,3]的张量共有4维;在tensorflow中,为了表达方便,吧标量、向量、矩阵也统称为张量,不作区分,需要根据张亮的维度树和形状自行判断二、创建Tensor#创建标量a = tf.constant(3.0)print(a.dtype)print(a)print(a.shape)print(a.numpy原创 2020-11-05 21:47:58 · 143 阅读 · 0 评论