![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 74
守护芋圆
这个作者很懒,什么都没留下…
展开
-
2021-05-24 卷积网络基础2
人工智能池化(Pooling)池化是使用某一位置的相邻输出的总体统计特征代替网络在该位置的输出其好处是当输入数据做出少量平移时,经过池化函数后的大多数输出还能保持不变。比如:当识别一张图像是否是人脸时,我们需要知道人脸左边有一只眼睛,右边也有一只眼睛,而不需要知道眼睛的精确位置,这时候通过池化某一片区域的像素点来得到总体统计特征会显得很有用。由于池化之后特征图会变得更小,如果后面连接的是全连接层,能有效的减小神经元的个数,节省存储空间并提高计算效率。池化通常有两种方法,平均池化和最大原创 2021-05-24 19:31:00 · 158 阅读 · 0 评论 -
2021-05-24 卷积神经网络基础
人工智能 卷积神经网络基础卷积计算卷积是数学分析中的一种积分变换的方法,在图像处理中采用的是卷积的离散形式。这里需要说明的是,在卷积神经网络中,卷积层的实现方式实际上是数学中定义的互相关(cross-correlation)运算,与数学分析中的卷积定义有所不同,这里跟其他框架和卷积神经网络的教程保持一致,都使用互相关运算作为卷积的定义,具体的计算过程如图7所示。卷积核的计算过程可以用下面的数学公式表示,其中aaa代表输入图片,bbb代表输出特征图,www是卷积核参数,...原创 2021-05-24 16:37:54 · 1369 阅读 · 0 评论 -
2021-05-23 手写数字识别之网络结构
手写数字识别之网络结构不可能是一个线性关系使用普通的多层神经网络1.基础模型:神经网络(1)输入层+隐含层+输出层,非线性转化为sigmoid(2)输出层:单一输出2.以类的方式组建网络(1)初始化函数:定义每层(2)Forward函数:串联方式输入层:将数据输入给神经网络。在该任务中,输入层的尺度为28×28的像素值。 隐含层:增加网络深度和复杂度,隐含层的节点数是可以调整的,节点数越多,神经网络表示能力越强,参数量也会增加。在该任务中,中间的两个隐含层为10×1原创 2021-05-23 14:25:55 · 487 阅读 · 0 评论 -
2021-05-20 人工智能 数据处理
人工智能完整的数据处理流程 和 异步读取数据处理数据:训练样本集乱序、生成批次数据 、校验数据的有效性训练样本乱序建立id集 index_list乱序 index_list以新顺序读取数据生成批次数据设置batchsize数据转变为符合要求的np.array格式Python生成器:yield,减少内存占用校验数据的有效性校验并刨除不和预期的数据完整代码#获取训练数据imgs, labels = train_set[0], train_set[1]原创 2021-05-20 20:25:15 · 488 阅读 · 0 评论 -
2021-05-19 人工智能图片识别
手写数字识别案例(第一版)任务:输入:28*28的灰度图片 输出:0-9的数字标签 样本量:6万训练样本,1万测试样本数据处理:读取数据和预处理操作模型设计:网络结构训练配置:优化器和计算资源配置训练过程:循环调用训练过程,前向计算+损失函数(优化目标)+后向传播保存模型:将训练好的模型保存数据处理:train_reader=paddle.batch(paddle.dataset.mnist.train(), bat...原创 2021-05-19 20:27:52 · 475 阅读 · 0 评论