深度学习
我愛大泡泡
机器学习
情绪识别
展开
-
深度学习清单
1、UFLDL完成基本的深度学习理论学习,这个UFLDL还是比较适合的既没有太过时,而且很多细节在做练习的时候能够掌握的很好,这个我自己写了的代码:见https://github.com/woaidapaopao/----UFLDL----2、李宏毅的深度学习课程链接在此:链接,这个因为是中文的,还是比较好懂的,而且一直在更新,很不错。就是台湾口音加英文听着有点别扭。其中,Mach原创 2017-05-08 11:29:18 · 1090 阅读 · 0 评论 -
tensorflow学习笔记(一):基本知识之tensor,operation和Session
1、tensor之———变量(variable)、常量(constant)、占位符(Placeholder)2、Session的简介3、Session中run的使用以及fetch和feed4、交互式的Session原创 2017-06-05 22:49:32 · 8145 阅读 · 0 评论 -
tensorflow学习笔记(七):TensorFLow实战之style_transfer(风格转换)
从这部分开始利用TensorFlow进行实际应用,将会慢慢的把最新的东西一边学习一边整理一边实现,计划是初期的代码都利用tensorflow的基本API完成,后期建立大的网络结构的时候引入Keras等高等级API。 这一节主要是利用tensorflow实现style transfer,这个学习CNN的时候都会看到,原论文在这里程序的github地址在 —-这里—-,和原来一样几乎都是用note原创 2017-06-18 20:04:49 · 4236 阅读 · 2 评论 -
tensorflow学习笔记(三):手写字符识别实例
前面的章节已经对tensorflow有所了解,这一节就利用前面介绍的基本知识和API构建一个手写字符识别的实例,这也和官方教程中的内容所对应。这也是对前面知识的一个利用。关于手写字符识别是一个最基本的机器学习任务,很多地方都用这个开始,这里也一样。这一节主要都是用代码组成,然后所有的内容都尽可能在程序中添加注释中注明,还提供github地址里面基于ipython notebook写的,因为这样原创 2017-06-08 10:06:36 · 2435 阅读 · 0 评论 -
tensorflow学习笔记(四):TensorBoard
一、TensorBoard 我们上一节介绍过简单的TensorFlow手写字符识别程序了,但是在实际中调参和观察flow的状态是很有必要的,于是TensorFlow便有了TensorBoard帮助我们进行可视化学习,这里同样按照官方教程的流程进行介绍。1、Visualizing Learning 可视化学习 TensorBoard是官方推出的一个可视化工具,方便在训练复杂度较高原创 2017-06-10 11:24:41 · 1149 阅读 · 0 评论 -
tensorflow学习笔记(二):机器学习必备API
前一节介绍了一些最基本的概念和使用方法。因为我个人的最终目的还是在深度学习上,所以一些深度学习和机器学习模块是必须要了解的,这其中包括了tf.train 、tf.contrib.learn、还有如训练神经网络必备的tf.nn等API。这里准备把常用的API和使用方法按照使用频次进行一个排列,可以当做一个以后使用参考。这一节介绍的内容可以有选择的看。而且最全的信息都在TensorFlow的API里原创 2017-06-07 10:23:13 · 7987 阅读 · 0 评论 -
tensorflow学习笔记(六):TF.contrib.learn大杂烩
这一节介绍一个常用的高级API:tf.contrib_learn。这个API使配置、训练和计算变得更简单。现在依然是依照官方教程进行一些学习和补充。而且程序依然会放在github里。而且从这里开始一直是按照最新的tensorflow版本(目前是r1.2)来进行。一、API简略浏览 在写程序之前依然先看一下API中的类、函数和方法。 这里 有???的是因为实在基础太差有的没有接触原创 2017-06-14 21:16:01 · 12443 阅读 · 0 评论 -
面试笔试整理3:深度学习机器学习面试问题准备(必会)
第一部分:深度学习1、CNN1、CNN问题 2、如何减少参数 权值共享、VGG的感受野、GoogLeNet的inception 3、激活函数选择 4、filter的尺寸选择 5、pooling的作用 6、常用的几个模型2、RNN1、RNN、LSTM、GRU 推导forget gate,input gate,cell state, hidden information原创 2017-09-07 01:13:54 · 73104 阅读 · 5 评论 -
面试笔试整理4:机器学习面试问题准备(进阶)
这部分主要是针对上面问题的一些更细节的补充,包括公式的推倒思路、模型的基本构成、细节问题的分析等等。一、问题杂烩1、PCA的第二主成分 第二个主成分时域第一成分方向正教的差异性次大方向。 2、什么时候用组合的学习模型 只有当各个模型之间没有相关性的时候组合起来是最好用的。但是一般来说,弱相关的模型组合比较好用。 3、多重共线性 多重共线性是指当两个特征的相关性很大的时候,会对原创 2017-09-07 16:35:20 · 6027 阅读 · 0 评论