- 博客(10)
- 资源 (1)
- 收藏
- 关注
原创 对卷积神经网络(CNN)的简单理解
之前简单的了解过cnn的简单的网络结构,但是对于其中的一些概念都不是很了解,但是最近学tensorflow看源码的时候真的很吃力,啥都看不懂,所以今天下午把cnn详细的看了一下,虽然最近很忙,还是要整理一下思路,算是今天下午的学习成果,本文主要参考两篇博文分别是:http://blog.csdn.net/zouxy09/article/details/8781543/http://bl
2016-05-26 20:43:59 13119
原创 theano的scan函数
看了一会scan函数,感觉真的太好用了,下面我就写几个小demo来理解一下,现在为止理解的也不是很清楚,所以直接上demo.scan(fn, sequences=None, outputs_info=None, non_sequences=None, n_steps=None, truncate_grad
2016-05-25 15:08:26 957
原创 keras中如何保存model的数据,以及如何利用保存的数据
本文利用的demo的是之前写好的: addition_lstm.py, 详细的源代码请看: http://blog.csdn.net/zjm750617105/article/details/51321889json_string = model.to_json() #等价于 json_string = model.get_config()open('my_model_architec
2016-05-05 22:51:11 26129 3
原创 详细解读简单的lstm的实例
本文是初学keras这两天来,自己仿照addition_rnn.py,写的一个实例,数据处理稍微有些不同,但是准确性相比addition_rnn.py 差一点,下面直接贴代码,解释和注释都在代码里边。#coding:utf-8from keras.models import Sequentialfrom keras.layers.recurrent import LSTMfrom u
2016-05-05 15:31:40 31055 1
原创 keras中的目标函数和优化函数
目标函数就是我们常说的损失函数,优化函数就是我们常说的反调参数的函数,包括:梯度下降函数、随机梯度下降函数等。这些我相信大家都很清楚了,下面我就简单的介绍一下keras提供的常见的目标函数和优化函数,本人能力有限,平时用到的酒多说几句,用不到的就把名字写出来,欢迎大家补充和指正。目标函数:keras文档: http://keras.io/objectives/mean_s
2016-05-05 15:27:05 27022 3
原创 argmax()
源自于: numpy.random.argmax() 返回的是x所在的最大值的下标的值,有点抽象,下面看api中给的几个demo:>>> a = np.arange(6).reshape(2,3)>>> aarray([[0, 1, 2], [3, 4, 5]])#默认是返回的所有的元素的最大的一个下标>>> np.argmax(a)5#axis = 0 ,表示以行为基准
2016-05-04 21:29:09 3877 3
原创 keras中models的Squential类的源码简介
keras中最重要的就是models的Sequential类了,下面我结合源码以及自己的理解,尽可能的去学习并能够说明白,源代码太多,先贴一个fit函数的实现: def fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0., validati
2016-05-04 16:24:11 4259
转载 关于深度学习中Dropout的理解
原文链接: http://www.cnblogs.com/tornadomeet/p/3258122.htmlDropout是指在模型训练时随机让网络某些隐含层节点的权重不工作,不工作的那些节点可以暂时认为不是网络结构的一部分,但是它的权重得保留下来(只是暂时不更新而已),因为下次样本输入时它可能又得工作了。训练神经网络模型时,如果训练样本较少,为了防止模型过拟合,Dropout可以作为一种
2016-05-04 12:25:57 12950
原创 keras系列二(补充)theano的tensor库
今天看keras的模块,都是调用的theano的方法,感觉有必要补一下tensor相关知识,下面将学习一下tensor的一般用法和自己的理解。
2016-05-03 13:16:27 3159
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人