DL
文章平均质量分 92
点西西
新手渣渣的学习笔记,望各路大神多多指点。
展开
-
卷积神经网络的简易实战
kaggle——10 Monkey Species数据集数据集包含两个文件,训练集和验证集。每个文件夹包含10个标记为n0〜n9的子文件夹,每个子生文件夹不同类型的猴子。图像尺寸为400x300像素或更大,并且为JPEG格式(近1400张图像)。具体如下:开始实战可以直接在kaggle官网上使用平台提供的GPU来训练模型:在对应的数据集下面直接New Notebook即可。然后可...原创 2020-04-23 10:12:58 · 654 阅读 · 0 评论 -
绘制学习曲线代码
from sklearn.svm import LinearSVCfrom sklearn.learning_curve import learning_curve#绘制学习曲线,以确定模型的状况def plot_learning_curve(estimator, title, X, y, ylim=None, cv=None, train_sizes=np.linspace(.1, 1.0, 5)): """ 画出data在某模型上的l原创 2020-07-25 13:26:11 · 424 阅读 · 0 评论 -
基于tensorflow2.0的深度学习 三
基于卷积神经网络的深度计算机视觉卷积神经网络(CNNs)起源于对大脑视觉皮层的研究, 广泛应用于图像搜索服务、自动驾驶汽车、自动视频分类系统等。此外,CNN还不局限于视觉感知:它们在许多情况下也是成功的,如语音识别和自然语言处理。 不过,我们现在将专注于视觉应用。为什么不简单地使用常规的全连接深层神经网络进行图像识别任务呢? 不幸的是,虽然这对小图像(例如MNIST)可以正常工作,但是由于需要...原创 2020-04-21 17:51:47 · 1532 阅读 · 0 评论 -
基于tensorflow2.0的深度学习 二
训练深度神经网络对于深度神经网络(10层或者更多层),每层包含数百个神经元。那么训练神经网络你会遇到如下的问题:梯度消失或者梯度爆炸,它们会影响深度神经网络,从而导致低层训练困难没有足够的训练数据或者没有足够的标签训练的速度非常慢一个有数百万参数的模型会很容易出现过度拟合训练集的风险一、梯度消失\爆炸问题梯度消失:由于链式法则,梯度经常会随着算法进展到更低层时变得越来越小。导致的...原创 2020-04-18 18:31:52 · 951 阅读 · 0 评论 -
基于tensorflow2.0的深度学习 一
人工神经网络 Artificial neural networks(ANN)一、神经元->感知器->多层感知器感知器(The Perceptron)神经元:神经元是线性阈值单元(LTU)、又叫阈值逻辑单元(TLU)LTU的工作:首先每个输入都有一个对应的权重然后LTU对其加权求和:z = w1 x1 + w2 x2 + ⋯ + wn xn = x⊺ w再对结果应用一个...原创 2020-04-14 16:31:35 · 876 阅读 · 0 评论