- 博客(7)
- 资源 (8)
- 收藏
- 关注
RSS订阅原创 tensorflow初学习者路上各种问题之杀怪（自己遇到解决过，持续更新）
1、解决出现 ImportError: No module named 'tensorflow_datasets'的问题2、distorted_inputs() got an unexpected keyword argument 'data_dir'3、AttributeError: module 'tensorflow' has no attribute 'scalar_summary...
2020-01-22 00:55:57
314
原创 RobotFramework二次开发实时日志之杀怪
1、RobotFramework二次开发——实时日志2、listerner监听器获取实施日志的坑 Listener does not have mandatory ‘ROBOT_LISTENER_API_VERSION’ attribute
2020-01-20 11:06:31
720
原创 tensorflow学习之路-初学习者版本选择
tensorflow各个版本的区别tensorflow - 仅支持 CPU 的当前稳定版本（建议新手使用）tensorflow-gpu - 支持 GPU 的当前稳定版本（Ubuntu 和 Windows）tf-nightly - 仅支持 CPU 的每夜版（不稳定）tf-nightly-gpu - 支持 GPU 的每夜版（不稳定，Ubuntu 和 Windows）tensorflow1.x...
2020-01-16 12:33:57
4801
原创 tensorflow学习之路-正则化
为什么要正则化简单来说，正则化是一种为了减小测试误差的行为(有时候会增加训练误差)。我们在构造机器学习模型时，最终目的是让模型在面对新数据的时候，可以有很好的表现。当你用比较复杂的模型比如神经网络，去拟合数据时，很容易出现过拟合现象(训练集表现很好，测试集表现较差)，这会导致模型的泛化能力下降，这时候，我们就需要使用正则化，降低模型的复杂度。1、机器学习中的正则化(Regularization...
2020-01-14 23:18:21
216
原创 tensorflow学习之路-卷积神经网络笔记
1、卷积神经网络——输入层、卷积层、激活函数、池化层、全连接层2、卷积神经网络的卷积核大小、卷积层数、每层map个数都是如何确定下来的呢？3、卷积神经网络的通道数与卷积核数的关系4、卷积神经网络之卷积计算、作用与思想5、模型优化的熵与不平衡学习6、批量梯度下降(BGD)、随机梯度下降(SGD)以及小批量梯度下降(MBGD)的理解...
2020-01-14 12:53:05
295
原创 tensorflow学习之路-全连接层的理解
卷积取的是局部特征，全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图。因为用到了所有的局部特征，所以叫全连接。全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。先看全连接的图：全连接把卷积输...
2020-01-14 12:42:15
1878
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人