- 博客(44)
- 收藏
- 关注
RSS订阅原创 Deep Learning：Optimization for Training Deep Models（二）
Optimization for Training Deep Models
2017-10-31 19:11:00
375
原创 Deep Learning：Optimization for Training Deep Models(一)
How Learning Differs from Pure Optimization
2017-10-26 16:44:47
676
原创 Deep Learning：Optimization for Training Deep Models(零)
Deep Learning：Optimization for Training Deep Models
2017-10-26 15:15:13
393
原创 Deep Learning：正则化（十四）
Tangent Distance, Tangent Prop, and Manifold Tangent ClassifierMany machine learning algorithms aim to overcome the curse of dimensionality by assuming that the data lies near a low-dimensional manifol
2017-10-26 14:48:48
460
原创 Deep Learning：正则化（十一）
Bagging and Other Ensemble Methods:Bagging (short for bootstrap aggregating) is a technique for reducing generalization error by combining several models.
2017-10-25 10:07:28
547
原创 Deep Learning：正则化（六）
Semi-Supervised Learning:In the paradigm of semi-supervised learning, both unlabeled examples from P(x) and labeled examples from P (x, y) are used to estimate P (y | x) or predict y from x.
2017-10-24 09:26:25
297
原创 Deep Learning：正则化（五）
Noise Robustness:Dataset Augmentation has motivated the use of noise applied to the inputs as a dataset augmentation strategy.
2017-10-23 23:59:58
393
原创 Deep Learning：正则化（四）
Dataset Augmentation：The best way to make a machine learning model generalize better is to train it on more data.
2017-10-23 23:00:50
302
原创 Deep learning：正则化（三）
Regularization and Under-Constrained ProblemsMany linear models in machine learning, including linear regression and PCA, depend on inverting the matrix
2017-10-23 17:37:20
311
原创 Deep Learning：正则化（二）
We can minimize a function subject to constraints by constructing a generalized Lagrange function, consisting of the original objective function plus a set of penalties.
2017-10-23 16:59:43
383
原创 Deep Learning：正则化（一）
Many strategies used in machine learning are explicitly designed to reduce the test error, possibly at the expense of increased training error. These strategies are known collectively as regularization
2017-10-23 16:04:23
597
原创 Deep Learning：深度前馈神经网络（五）
Back-Propagation and Other Differentiation Algorithms
2017-10-20 16:51:18
452
原创 Deep Learning : 深度前馈神经网络（三）
Hidden UnitsSo far we have focused our discussion on design choices for neural networks that are common to most parametric machine learning models trained with gradientbased optimization.
2017-10-19 21:18:48
436
原创 Tensorflow基础：多线程输入数据处理框架
在图像预处理中介绍了使用Tensorflow对图像数据进行预处理的方法。但是这些复杂的预处理过程也会减慢整个训练过程。为了避免图像预处理成为神经网络模型训练效率的瓶颈，Tensorflow提供了一套多线程处理输入数据的框架。
2017-10-17 23:46:52
826
原创 Tensorflow基础：图像预处理
通过对图像的预处理，可以尽量避免模型受到无关因素的影响。在大部分图像识别问题中，通过图像预处理过程可以提高模型的准确率。Tensorflow提供了几类图像处理函数
2017-10-16 23:45:40
2126
原创 Tensorflow基础：统一的数据存储格式
来自实际问题的数据往往有很多格式和属性，TFRecord格式可以统一不同的原始数据格式，并更加有效地管理不同的属性。
2017-10-13 10:27:41
926
原创 Tensorflow基础：卷积神经网络迁移学习
ImageNet图像分类数据集中有120万标注图像，所以才能将152层的ResNet的模型训练到大约96.5%的正确率。在真实的应用中，很难收集到如此多的标注数据。即使可以收集到，也需要花费大量人力物力。而且即使有海量的训练数据，要训练一个复杂的卷积神经网络也需要几天甚至几周的时间。迁移学习，提供了一种解决标注数据和训练时间的问题。迁移学习所谓迁移学习，就是将一个问题上训练好的模型，通过简单的调整使
2017-10-13 09:00:51
874
原创 Tensorflow实例：Inception-v3模型
通过介绍LeNet-5模型整理除了一类经典的卷积神经网络架构设计。在本文中，将介绍Inception结构以及Inception-v3卷积神经网络模型。
2017-10-12 20:55:43
3304
原创 Tensorflow实例：mnist最佳实践
Tensorflow最佳实践mnist程序在Tensorflow实例：mnist中已经给出了一个完整的Tensorflow程序来解决MNIST问题。然而这个程序的可扩展性并不好。
2017-10-11 21:50:32
1242
1原创 Tensorflow实例：mnist手写数字
Tensorflow实例：mnist手写数字本文将给出一个完整的Tensorflow程序来解决MNIST手写数字识别问题。代码中包含的功能有：带指数衰减的学习率设置、使用正则化来避免过拟合、使用滑动平均模型来使得最终模型更加健壮。
2017-10-11 16:30:50
526
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人