自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

zd_nupt的博客

  • 博客(4)
  • 资源 (6)
  • 收藏
  • 关注
全部文章> 2018年01月
排序：
按最后发布时间
按访问量
RSS订阅
09月 08月 07月 06月 05月 03月 01月

原创 优化之——滑动平均模型

滑动平均模型可以使模型在测试数据上更加健壮。仅用于测试数据。shadow_variable = decay*shadow_variable+(1-decay)*variabledecay为衰减率， variable为待更新的变量。decay=min(decay_base,(1+global_step)/(10+global_step))decay越大模型越稳定，一般设置为0.999，，

2018-01-05 22:33:11 918

原创 优化之——正则化

为了避免过拟合问题,常用的方法为正则化,在损失函数中加入刻画模型复杂度的指标.J = J(theta)+a*R(w)L1正则化：R(w)=||w||=sum(|w|)L2正则化：R(w)=||w||^2 = sum(|w|^2)思想为通过限制权重大小，使得模型不能任意拟合训练数据中的随机噪音。L1正则化会让参数变得更稀疏，即更多参数为0L2正则化则不会。L1正则化公式不可导。L2正则化

2018-01-05 22:13:26 787

原创 优化之——学习率的设置

先用较大的学习率来加速得到较优解，随着迭代的继续逐步减小学习率，使得模型在训练后期更加稳定。decayed_learning_rate = learning_rate*decay_rate^(global_step/decay_step)learning_rate为设定的初始学习率decay_rate为衰减系数global_step已训练次数decay_step为使用一遍训练数据需要迭代

2018-01-05 21:53:06 2118

原创 tf.nn.sparse_softmax_cross_entropy_with_logits

**def sparse_softmax_cross_entropy_with_logits(_sentinel=None, # pylint: disable=invalid-name labels=None,logits=None,name=None):** labels是非稀疏的，例如稀疏矩阵为 [[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]

2018-01-05 21:23:33 379

go1.12.5.windows-amd64.zip
go安装程序 go1.12.5.windows-amd64 .msi go安装程序 go1.12.5.windows-amd64 .msi

2019-05-09

李航-统计学方法-书签-目录
机器学习，入门书籍，带书签，带目录，高清资源！！！！

2018-08-14

数据结构 邓俊辉 超高清 带目录书签
数据结构 邓俊辉 超高清 带目录书签 数据结构 邓俊辉 超高清 带目录书签

2018-05-02

Tensorflow实战Google深度学习框架
Tensorflow实战Google深度学习框架Tensorflow实战Google深度学习框架

2017-12-05

TensorFlow实战
Google近日发布了TensorFlow 1.0候选版，这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源，距今已有一年多，这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlow Serving，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold，以及数不胜数的经典模型在TensorFlow上的实现（Inception Net、SyntaxNet等）。在这一年多时间，TensorFlow已从初入深度学习框架大战的新星，成为了几近垄断的行业事实标准。, 《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。

2017-12-05

TensorFlow 官方文档中文版 - v1.2
TensorFlow 官方文档中文版 - v1.2TensorFlow 官方文档中文版 - v1.2

2017-12-05

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除