深度学习
文章平均质量分 87
test0000009
hi
展开
-
从浅层到深层的神经网络预测猫
单神经元预测猫准确率为70%,实际上这个效果很一般,数据集的数据都是比较好的,类似这种:(我表情包随便截图的)回顾单神经元的构成:1)传播函数,由输入x、偏置w、阈值b计算出a2)激活函数,将a映射到0~1之间的结果y,可理解为(是、否)的概率3)反向传播函数,通过y、label计算出dw、db(用以更新w和b)4)损失函数,计算y与label间的误差浅层神经网络的构成:在浅层神经网络中,主要也是实现了这四个函数,区别只是在输入与输出间多了一层隐藏层。以反向传播为例: dZ2=.原创 2021-10-20 00:39:45 · 421 阅读 · 0 评论 -
单神经元预测猫
写这个的目的是熟悉前向传播,反向传播的过程,不调用框架实现。这次来实现一个检测猫的模型构建如下神经元网络:这是神经网络最简单的模型,只有一个神经元。数据的准备数据以h5格式保存建议下载HDFView,可视化h5文件print ("train_set_x_orig shape: " + str(train_set_x_orig.shape))print ("train_set_y shape: " + str(train_set_y.shape))print ("test_set.原创 2021-10-17 00:04:23 · 319 阅读 · 0 评论 -
神经网络实现手写数字识别
神经网络是由以下基本函数组成:传播函数(包括前向传播,反向传播),激活函数,损失函数这几个函数的作用: 前向传播:向前预测结果(由已知的参数预测) 激活函数:加入非线性因素,实现映射关系反向传播:通过前向传播的预测值与实际的值之间的误差利用链式求导法则反向更新参数实现优化 损失函数:损失计算一个最简单的神经网络就是由上述四个函数构成的,类似于大脑的工作原理。简单说一下前向传播:前向传播很好理解,就是将上一层的输出作为下一层的输入并计算下一层的输出一直运算到输出层为止,得到输出层的预测结果。原创 2021-10-09 19:12:50 · 3585 阅读 · 1 评论