神经网络与深度学习—TensorFlow实战
文章平均质量分 76
Twinkle1231
这个作者很懒,什么都没留下…
展开
-
神经网络与深度学习:卷积神经网络
图像卷积运算:对图像中的每个像素点,用其周围像素点的灰度值加权求和调整该点的灰度值。在缩小图像的同时,对每个块中最亮的像素采样,从而得到图像的主要轮廓。所以对图像的卷积运算,也成称为平滑或者滤波。高斯模糊在平滑物体表面的同时, 能够更好的保持图像的边缘和轮廓。一个卷积核得到一种特征,多个卷积核得到多种特征,进行组合。补偿等于卷积核的边长n时,相当于对图像缩小了n倍。对图像进行模糊后,可以将图像中的高频噪声过滤掉。:计算当前点和周围点的颜色值或灰度值的差别。后面的特征层,捕捉图像中更加抽象的信息。原创 2022-12-12 16:44:08 · 524 阅读 · 0 评论 -
神经网络与深度学习:人工神经网络(下)
非凸函数具有多个局部最优点,在局部极小值点,梯度接近于0,迭代停止,因此多层神经网络使用梯度下降法,手写字体为28*28,展开为784的一维张量,因此输入层有784个单元。每次迭代的训练样本数固定,与整个训练集的样本数量无关;训练模型,使网络的输出尽可能逼近这个样本的标签值;在更新参数时,可以在一定程度上保留之前的更新方向。在使用GPU时,使用2的幂数作为批量中的样本数。中,可以周期性的增大学习率或自适应调整学习率。需要训练多轮,使网络对所有样本的误差足够小;因为数据集的连续的样本之间有高度的相关性。原创 2022-12-12 11:23:49 · 322 阅读 · 0 评论 -
神经网络与深度学习:人工神经网络(上)
神经网络:人脑智慧的物质基础神经元/神经细胞:生物神经系统的基本单元人工神经网络:通过算法调整神经元中的权值,模拟人类神经网络的学习能力。Delta法则:使用梯度下降法,找到能够最佳拟合训练样本集的权向量。逻辑回归可以看作单层神经网络多分类问题:设置多个输出节点导入库加载数据数据预处理设置超参数和显示间隔设置模型参数初始值训练模型训练结果结果可视化线性分类器如果神经网络中有足够的隐含层,每个隐含层中有足够多的神经元,神经网络就可以表示任意复杂的函数或空间分布原创 2022-12-04 11:01:35 · 296 阅读 · 0 评论 -
神经网络与深度学习:分类问题
准备训练样本、训练分类器、对新样本分类。多分类问题:把输入样本划分为多个类别。:垃圾邮件识别、图片分类、疾病判断。广义线性回归,实现多分类。逻辑回归:即二分类问题。对输入的数据进行分类。原创 2022-11-27 21:31:57 · 320 阅读 · 0 评论 -
神经网络与深度学习:梯度下降法
使所有属性处于同一个范围、同一个数量级下;:对于凸函数,只要学习率设置的足够小,可以保证一定收敛。(generalization error):在。,没有学习到样本中的通用的特征。设置,不是通过训练得到的。(包含学习率、迭代次数等)(error):学习器的。一元线性回归可以转换为。原创 2022-11-27 15:45:12 · 327 阅读 · 0 评论 -
神经网络与深度学习:回归问题
模型参数:w:权重(weights);b:偏置值(bias)将有监督学习和无监督学习相结合,综合使用。:基于均方误差最小化来进行模型求解的方法。:回归分析中包括两个或两个以上的自变量。:估量模型的预测值与真实值的不一致程度。的情况下,挖掘出数据内部蕴含的关系。学习算法:从数据中产生模型的算法。聚类:把相似度高的样本聚合在一起。应该使得所有点的残差累计值最小。:因变量和自变量之间是线性关系。机器学习:从数据中学习。原创 2022-11-23 11:09:23 · 998 阅读 · 0 评论 -
神经网络与深度学习:TensorFlow基础
numpy创建浮点数数组时,默认的浮点型是64位浮点数。当使用NumPy数组创建张量时,TensorFlow会接受数组元素的数据类型,使用64位浮点数保存数据。tf.cast(x,dtype)函数:改变张量中元素的数据类型。所有张量,都可以通过.numpy()方法,得到它对应的数组。tf.random.set_seed()函数。TF创建浮点数张量时,默认是32位浮点数。tf.random.uniform()函数。tf.constant()函数:创建张量。清理整合了重复的API。tf.fill()函数。原创 2022-11-15 10:15:29 · 547 阅读 · 0 评论 -
神经网络与深度学习:NumPy科学计算库
可以使用切片来访问NumPy数组中的一部分,切片方法和Python序列数据结构的切片一样。当改变形状时,应该考虑到数组中元素的个数,确保改变前后,元素总个数相等。①提供了多维数组、矩阵的常用操作和一些高效的科学计算函数。NumPy要求数组中所有元素的数据类型必须是一致的。是一个元组,描述数组的维度,以及各个维度的长度。轴(axes):数组中的每一个维度被称为一个轴。描述数组的维度,以及各个维度内部的元素个数。:创建一个由数字序列构成的数组。:创建一个元素全部为1的数组。:创建一个元素全部为0的数组。原创 2022-11-02 21:22:13 · 206 阅读 · 0 评论 -
神经网络与深度学习:python语言基础(2)
①成员是有序排列的,每个元素的位置称为下标或索引,通过索引访问序列中的成员②序列数据类型有字符串、列表、元组③列表用[ ]表示,元组用( )表示,均可存放不同类型的数据④元组(tuple):一经定义,元组的内容不能改变索引(下标)通过它访问序列中的元素切片一次从序列中获取多个元素打印print()获取列表的长度len(序列名称)更新列表向列表中添加元素由于元组一经定义后就不能更改了,因此元组不支持更新操作合并列表删除列表中的元素排序sort():对列表中的元素排序re原创 2022-10-30 20:41:52 · 104 阅读 · 0 评论 -
神经网络与深度学习:python语言基础(1)
②浮点数:1392000千米=1.392*10的9次方=1.392e9。①由字母、数字、下划线组成;②不同类型的数字型数据运算时,会自动进行类型转换。选择结构:使程序根据判断条件而执行不同的分支。③布尔值:True——1、False——0。注:取余运算:余数的符号,是和除数一致的。注:可以使用多行字符串,作为程序的注释。数字、字符串、列表、元组、字典、集合。变量、函数、数组、文件、对象等的名字。顺序结构:各条语句一条一条执行的顺序。完成不同类型的变量、常量之间的运算。包含数字、字符串、布尔值、空值等。原创 2022-10-29 19:00:00 · 419 阅读 · 1 评论