TensorFlow深度学习入门
TensorFlow深度学习入门
小宋是呢
作者简介:深度学习开发分享博主。全网粉丝3W+,阅读量200W+。
CSDN深度学习博客专家以及微信公众号《简明AI》主要作者。创作内容是基于深度学习的理论学习与应用开发技术分享,致力于最简单明了AI技术分享与最实用AI应用教程。
撰写并发表深度学习论文两篇,获得国家级及省级一等奖奖项八次,以第一作者授权实用新型及发明专利共计十余项,天池与BDCI比赛Top10奖项数次。
在某公司担任算法工程师,从事计算机视觉及时序序列数据的检测识别;深度学习工程化经验丰富,擅长针对新算法研究与应用,包括对模型调优、模型转化及多平台部署等。
展开
-
[TensorFlow深度学习入门]实战八·简便方法实现TensorFlow模型参数保存与加载(pb方式)
[TensorFlow深度学习入门]实战八·简便方法实现TensorFlow模型参数保存与加载(pb方式)在上篇博文中,我们探索了TensorFlow模型参数保存与加载实现方法采用的是保存ckpt的方式。这篇博文我们会使用保存为pd格式文件来实现。首先,我会在上篇博文基础上,实现由ckpt文件如何转换为pb文件,再去探索如何在训练时直接保存pb文件,最后是如何利用pb文件复现网络与参数完成应用...原创 2018-12-03 12:02:57 · 939 阅读 · 0 评论 -
[TensorFlow深度学习入门]实战七·简便方法实现TensorFlow模型参数保存与加载(ckpt方式)
[TensorFlow深度学习入门]实战七·简便方式实现TensorFlow模型参数保存与加载TensorFlow模型训练的好网络参数如果想重复高效利用,模型参数保存与加载是必须掌握的模块。本文提供一种简单容易理解的方式来实现上述功能。参考博客地址模型保存代码:import tensorflow as tfx = tf.placeholder(dtype=tf.float32,sh...原创 2018-12-02 17:47:31 · 1644 阅读 · 0 评论 -
[TensorFlow深度学习入门]实战六·用CNN做Kaggle比赛手写数字识别准确率99%+
[TensorFlow深度学习入门]实战六·用CNN做手写数字识别准确率99%+参考博客地址import osos.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data原创 2018-12-01 18:06:23 · 2507 阅读 · 0 评论 -
[TensorFlow深度学习入门]实战五·用RNN(LSTM)做手写数字识别准确率98%+
参考博客地址,修复了一个小Bug,收敛速度和准确率都略微提升。使用此模型在Kaggle比赛获得中等成绩。import osos.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"import timeimport tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib.py...原创 2018-12-01 17:07:11 · 1638 阅读 · 0 评论 -
[TensorFlowJS只如初见]实战四·使用TensorFlowJS拟合曲线(类似TensorFlow原生实现方法)
[TensorFlowJS只如初见]实战四·使用TensorFlowJS拟合曲线(类似TensorFlow原生实现方法)问题描述拟合y= x*x -2x +3 + 0.1(-1到1的随机值) 曲线给定x范围(0,3)问题分析在直线拟合博客中,我们使用最简单的y=wx+b的模型成功拟合了一条直线,现在我们在进一步进行曲线的拟合。简单的y=wx+b模型已经无法满足我们的需求,需要利...原创 2018-12-01 11:50:01 · 1083 阅读 · 2 评论 -
[TensorFlowJS只如初见]实战三·使用TensorFlowJS拟合曲线
问题描述拟合y= x*x -2x +3 + 0.1(-1到1的随机值) 曲线给定x范围(0,3)问题分析在直线拟合博客中,我们使用最简单的y=wx+b的模型成功拟合了一条直线,现在我们在进一步进行曲线的拟合。简单的y=wx+b模型已经无法满足我们的需求,需要利用更多的神经元来解决问题了。代码<html><head> <script...原创 2018-11-30 10:52:00 · 792 阅读 · 0 评论 -
[TensorFlowJS只如初见]实战二·使用TensorFlowJS拟合直线
[TensorFlowJS只如初见]实战二·使用TensorFlowJS拟合直线问题描述拟合直线 y =(2x -1) + 0.1(-1到1的随机值)给定x范围(0,3)可以使用学习框架建议使用y = w * x + b 网络模型代码<html><head> <script src="https://cdn.jsdelivr.net/npm...原创 2018-11-29 21:55:46 · 805 阅读 · 0 评论 -
[TensorFlowJS只如初见]实战一·JavaScript原生代码实现梯度下降求最小值
[TensorFlowJS只如初见]实战一·JavaScript原生代码实现梯度下降问题描述:求解y1 = xx -2 x +3 + 0.01*(-1到1的随机值) 与 y2 = 0 的最小距离点(x,y)给定x范围(0,3不使用学习框架,手动编写梯度下降公式求解,提示:x = x - alp*(y1-y2)导数(alp为学习率)函数图像为:HTML代码<ht...原创 2018-11-29 21:01:04 · 684 阅读 · 3 评论 -
[TensorFlow深度学习入门]实战四·逻辑回归鸢尾花进行分类(对比均方根误差与softmax交叉熵误差区别)
[TensorFlow深度学习入门]实战四·逻辑回归鸢尾花进行分类代码使用均方根误差import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport tensorflow as tffile_path = &amp;quot;iris.csv&amp;quot;df_iris = pd.read_csv(file_path, ...原创 2018-11-29 01:12:09 · 2882 阅读 · 1 评论 -
[TensorFlow深度学习入门]实战三·使用TensorFlow拟合曲线
[深度学习入门]题目二·使用TensorFlow拟合曲线问题描述拟合y= xx -2 x +3 + 0.1*(-1到1的随机值) 曲线给定x范围(0,3)问题分析在上篇博客中,我们使用最简单的y=wx+b的模型成功拟合了一条直线,现在我们在进一步进行曲线的拟合。简单的y=wx+b模型已经无法满足我们的需求,需要利用更多的神经元来解决问题了。生成数据import nu...原创 2018-11-28 14:49:15 · 4726 阅读 · 0 评论 -
[TensorFlow深度学习入门]实战二·使用TensorFlow拟合直线
[深度学习入门]题目二·使用TensorFlow拟合直线问题描述拟合直线 y =(2x -1) + 0.1(-1到1的随机值)给定x范围(0,3)可以使用学习框架建议使用y = w * x + b 网络模型生成数据import numpy as np import matplotlib.pyplot as pltdef get_data(x,w,b): c,r...原创 2018-11-28 14:06:14 · 1560 阅读 · 0 评论 -
[Python深度学习入门]实战一·Numpy梯度下降求最小值
问题描述:求解y1 = xx -2 x +3 + 0.02*(-1到1的随机值) 与 y2 = 0 的最小距离点(x,y)给定x范围(0,3)不使用学习框架,手动编写梯度下降公式求解,提示:x = x - @*(y1-y2)导数(@为学习率)图像为:代码内容import numpy as np import matplotlib.pyplot as pltx...原创 2018-11-28 11:37:18 · 2822 阅读 · 1 评论