深度学习
聪明的小k
这个作者很懒,什么都没留下…
展开
-
tensorflow从入门到放弃再到精通(5.1):合并与分割
5.1 合并与分割5.1.1合并原创 2020-09-15 19:00:29 · 193 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(4.6):数学运算和前向传播
4.9数学运算4.9.1 加、减、乘、除运算加减乘除分别通过tf.add,tf.subtract, tf.multiply, tf.divide函数来实现,一般推荐使用+-*/来代替。整除和余除也是常见的运算之一,通过//和%来实现。import tensorflow as tfa = tf.range(5)b = tf.constant(2)#整除运算print(a//b)# 余除运算print(a%b)4.9.2 乘方运算通过tf.pow(x,a),可以方便的计算原创 2020-09-08 21:36:05 · 272 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(4.5):数据维度和Broadcasting
4.7 维度变换在神经网络运算过程中,维度变换是最核心的张量操作,通过维度变化可以将数据任意的切换形式,满足不同的运算需求。考虑一下为什么需要维度变换?例如,Y=X@W+b其中,X包含了2个样本,每个样本特征长度是4,X的shape为[2,4]。线性层的输出为3个节点,那么W的shape为[4,3]。偏置b的shape为[3]。那么X@W的运算结果shape为[2,3],需要叠加shape为[3]的偏置b,不同的2个张量是怎么直接相加的呢?设计偏置向量的初衷,我们给每个层输出节点添加一个偏.原创 2020-09-07 21:30:57 · 322 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(4.1):TensorFlow 基础语法以及数据类型-数据类型以及数值精度
4.1 数据类型4.1.1 数值类型 标量(Scalar)。单个的实数,如 1.2, 3.4 等,维度(Dimension)数为 0,shape 为[]。 向量(Vector)。????个实数的有序集合,通过中括号包裹,如[1.2],[1.2,3.4]等,维度数 为 1,长度不定,shape 为[????]。 矩阵(Matrix)。????行????列实数的有序集合,如[[1,2],[3,4...原创 2020-07-14 20:48:10 · 352 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(3.3):手写数字图片识别神经网络搭建
本节使用tensorflow来搭建神经网络1.搭建网络对于第一层网络模型来说,它接受的输入是,输出的????1为,设计为长度是256的向量,我们不需要显示的编写ReLU()的计算逻辑。#创建一层网络,设置输出节点为256,激活函数为ReLUlayers.Dense(256,activation='relu')在tensorflow中的Sequential容器可以很方便的搭建多层的网...原创 2020-03-27 18:49:50 · 392 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(3.3):分类问题模型构建以及优化
之前详细整理介绍了MNIST数据集,接下来详细介绍怎么构建模型对于分类问题来讲,目标其实就是最大化某个性能指标,比如准确度,但是把精准度当作损失函数去优化的时候,其实是不可导的,不能使用梯度下降去优化参数。一般的做法是设立一个平滑可导的代理目标函数,比如优化模型的输出o和one-hot编码后的真是标签y之间的距离,通过优化代理目标函数得到的模型,测试性能上也能有良好的表现。因此,相对回归问题...原创 2020-03-26 16:55:11 · 357 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(3.2):构建模型详解
回顾一下生物神经元组织:我们把一组长度为的输入向量原创 2020-03-17 18:24:01 · 355 阅读 · 0 评论 -
tensorflow从入门到放弃再到精通(3.1):认识手写数字图片训练集
前面我们了解了线性回归的问题,接下来认识一下分类的问题,其中一个典型问题就是教会机器识别图片中的物体。而在图片分类中,最简单的就是0~9数字图片识别,他也是非常重要的,显示应用在邮政编码,快递单号,手机号码识别等。机器学习是需要从数据之中学习的,因此我们需要大量真是样本数据。手写数字图片,也是真是由大量的真人手写的图片组成,为了方便存储和计算,一般会把收集到的原始图片保存在固定的大小(siz...原创 2020-03-17 01:02:13 · 355 阅读 · 0 评论