![](https://img-blog.csdnimg.cn/43bcce28002a4906a28cf946f8081045.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
《python深度学习》笔记
文章平均质量分 74
《python深度学习》书籍相关代码以及理论知识
Yvonne-陈
我见烈焰,起于孤山
展开
-
卷积神经网络简介(MNIST分类)--python深度学习
由传入 Conv2D 层的第一个参数所控制(32 或 64)。下一步是将最后的输出张量[大小为 (3, 3, 64)]输入到一个密集连接分类器网络中,即 Dense 层的堆叠。这些分类器可以处理 1D 向量,而当前的输出是 3D 张量。进行 10 类别分类,最后一层使用带 10 个输出的 softmax 激活。宽度和高度两个维度的尺寸通常会随着网络加深而变小。,然后在上面添加几个 Dense 层。在进入两个 Dense 层之前,形状。查看目前卷积神经网络的架构。层的输出都是一个形状为。原创 2023-06-04 12:52:27 · 195 阅读 · 0 评论 -
过拟合解决办法(代码)--python深度学习
防止过拟合的最简单的方法就是减小模型大小,即减少模型中可学习参数的个数(这由层数和每层的单元个数决定)。在深度学习中,模型中可学习参数的个数通常被称为模型的容量(capacity)。这里的简单模型(simple model)是指参数值分布的熵更小的模型(或参数更少的模型)。(weight regularization),其实现方法是向网络损失函数中添加与较大权重值相关的成本(cost)。神经网络的 L2 正则化也叫权重衰减(weight decay),权重衰减与 L2 正则化在数学上是完全相同的。原创 2023-06-04 00:05:56 · 543 阅读 · 0 评论 -
如何选择最后一层激活和损失函数--python深度学习
Softmax 是用于多类分类问题的激活函数,在多类分类问题中,超过两个类标签则需要类成员关系。对于长度为 K 的任意实向量,Softmax 可以将其压缩为长度为 K,值在(0,1)范 围内,并且向量中元素的总和为 1 的实向量。ReLU函数其实就是一个取最大值函数,注意这并不是全区间可导的,但是我们可以取sub-gradient,如上图所示。由于输出值限定在 0 到 1,因此它对每个神经元的输出进行了归一化;由于概率的取值范围是 0 到 1,因此 Sigmoid 函数非常合适;原创 2023-06-03 23:27:48 · 283 阅读 · 0 评论 -
波士顿房价预测(回归问题)--python深度学习
预测 20 世纪 70 年代中期波士顿郊区房屋价格的中位数,已知当时郊区的一些数据点,比如犯罪率、当地房产税率等。它包含的数据点相对较少,只有 506 个,分为 404 个训练样本和 102 个测试样本。输入数据的每个特征(比如犯罪率)都有不同的取值范围。例如,有些特性是比例,取值范围为 0~ 1;有的取值范围为 1~ 12;还有的取值范围为 0~ 100,等等。(404, 13)(102, 13)13 个数值特征房价大都在 10 000~50 000 美元。原创 2023-06-03 21:41:51 · 2417 阅读 · 0 评论 -
路透社新闻分类(多分类)--python深度学习
2.0.8’原创 2023-05-28 16:16:11 · 386 阅读 · 0 评论 -
电影评论分类IMDB(二分类)--python深度学习
2.7.0’原创 2023-05-28 16:10:22 · 738 阅读 · 0 评论 -
数据张量的维度选择--python深度学习
向量数据:2D 张量,形状为 (samples, features)。时间序列数据或序列数据:3D 张量,形状为 (samples, timesteps, features)。图像:4D 张量,形状为 (samples, height, width, channels) 或 (samples, channels,height, width)。视频:5D 张量,形状为 (samples, frames, height, width, channels) 或 (samples, frames, cha原创 2023-05-26 21:08:30 · 87 阅读 · 0 评论 -
手写数字分类mnist--python深度学习
2.7.0’将手写数字的灰度图像(28 像素×28 像素)划分到 10 个类别中(0~9)原创 2023-05-26 20:57:47 · 241 阅读 · 0 评论