Claroja

init__init__( units, activation='tanh', recurrent_activation='sigmoid', use_bias=True, kernel_initializer='glorot_uniform', recurrent_initializer='orthogonal', bias_initia...

下面的例子,y_true的形状是[batch_size],y_pred的形状是[batch_size,num_class].也就是说y_pred经过softmax层之后,是one-hot编码,SparseCategoricalCrossentropy将y_true变成了one-hot编码.cce = tf.keras.losses.SparseCategoricalCrossentropy()...

参考:https://www.bbsmax.com/A/qVdeeXQrdP/

ColumDescriptionFeature TypeData TypeAgeAge in yearsNumericalintegerSex(1 = male; 0 = female)CategoricalintegerCPChest pain type (0, 1, 2, 3, 4)CategoricalintegerTrestbpd...

通过feature_columns创建dense Tensor这一层主要是用来将原始数据根据需要转换为特征数据,比如进行one-hot编码__init__( feature_columns, trainable=True, name=None, **kwargs)参数描述feature_columnstrainablen...

参考:官网https://www.jianshu.com/p/fceb64c790f3

方法描述apply(transformation_func)batch(batch_size,drop_remainder=False)drop_remainder为真,则最后一个batch如果元素个数不够则会被丢弃cache(filename=’’)concatenate(dataset)enumerate(start=0)和python中的...

tf.random.categorical( logits, num_samples, dtype=None, seed=None, name=None)参数描述logits2维张量[batch_size,num_classes]num_samples0维张量dtypeseedname...

tf.squeeze( input, axis=None, name=None, squeeze_dims=None)参数描述input(tensor)axis(list)移除指定的维度,维度的开始索引为0name将所有大小为1的维度移除,可以通过axis指定想要移除的维度....

在axis的索引中,插入大小为1的维度.维度索引从0开始,负数是从尾部开始索引.当有一个图像的数据[height,width,channels],可以使用expand_dims(image,0),将其变为[1,height,width,channels],既batch_size为1的batchtf.expand_dims( input, axis, name=None...

均方误差（mean-square error, MSE）mse = tf.keras.losses.MeanSquaredError()loss = mse([0., 0., 1., 1.], [1., 1., 1., 0.])print('Loss: ', loss.numpy()) # Loss: 0.75init__init__( reduction=losses_ut...

铰链损失函数(Hinge Loss)主要用于SVM中,最大化分割超平面的距离ch = tf.keras.losses.CategoricalHinge()loss = ch([0., 1., 1.], [1., 0., 1.])print('Loss: ', loss.numpy()) # Loss: 1.0init__init__( reduction=losses_uti...

init__init__( units, activation='tanh', use_bias=True, kernel_initializer='glorot_uniform', recurrent_initializer='orthogonal', bias_initializer='zeros', kernel_regularize...

参考文献：tensorflow配置https://blog.youkuaiyun.com/u014595019/article/details/53732015

参数steps 是时间序列的意思,就是一句话包含了多少个词,features是每个词的特征,可以联想图片处理中一个像素点对应3个通道(channel,就是feathures,其对应的就是filters)参数描述data_formatchannels_last (default):(batch, steps, features);channels_first:(batch,...

参数参数描述units输出的维度activation激活函数,默认"linear"use_biaskernel_initializerbias_initializerkernel_regularizerbias_regularizeractivity_regularizerkernel_constraint...

1.去TensorFlow官网查看配置信息https://tensorflow.google.cn/install只需要确定cuda版本和TF版本即可,因为cuda安装文件可以自动安装Nvidia显卡驱动2.下载TF直接安装推荐的最新版本即可pip install tensorflow-gpu==2.0.0-beta13.下载cuda直接百度cuda可以找到官网注意官网默认下载是...

tf.keras.Input( shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None, **kwargs)参数参数描述shape样本形状，不包含batchsize，例如shape=(32,)是指32维度的向量...

两种创建model的方式1:链式函数创建要创建输入层inputsimport tensorflow as tfinputs = tf.keras.Input(shape=(3,))x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)outputs = tf.keras.layers.Dense(5, activatio...

cross-entropy lossL=−[ylog y^+(1−y)log (1−y^)]L=-[ylog\ \hat y+(1-y)log\ (1-\hat y)]L=−[ylog y^​+(1−y)log (1−y^​)]y为真实值，y^\hat yy^​为预测，交叉熵损失函数可以衡量y与y^\hat yy^​的相似性。cross-entropy...

用于多分类问题,传入的是one-hot编码目标,如果是int类型的编码目标,使用SparseCategoricalCrossentropy下面这个例子中y_pred和y_true的形状是[batch_size, num_class],既每次输入batch_size是3,就是3个样本同时输入,分类数量是3,既one-hot编码是3个分类.cce = tf.keras.losses.Categor...

keras：1.python的神经网络api，后端可以是TensorFlow，CNTK，Theanotf.keras:1.Tensorflow对keras的内部实现tf.keras1.全面支持eager mode2.支持tf.data3.支持TPU4.支持tf.distribution分布式策略5.和estimator集成6.可以保存为SavedModel...

win10C:\Users\user_name.keras\datasets参考文献:https://blog.youkuaiyun.com/weixin_43318626/article/details/89945964

参考：基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN一文读懂Faster RCNN

参考:github pytorchgithub kerasgithub tesnsorflowhttps://github.com/machine-learning/Lenet-5-tensorflow/blob/master/src/main/model.py

Common Objects in COntext(COCO)分为训练集(train),验证集(val)和测试集(test)object instances(目标实例)object keypoints(目标关键点)image captions(看图说话)

占坑

参考：https://blog.youkuaiyun.com/jiangpeng59/article/details/77646186https://www.zhihu.com/question/41949741?sort=created

基于图像的序列识别：场景文字，手写字符和乐谱。这些都是以序列的形式出现，而不是孤立的出现。另外这些都是长度可变的。1.以往的方法是先把序列切割成单个字符，然后用DCNN分别检测这些字符参考文献：原版论文端到端文本识别CRNN论文解读CRNN论文翻译——中文版...

显卡安装去官网下载显卡驱动https://www.nvidia.cn/删除旧的nvidia驱动(刚装的机子不需要这一步)sudo apt-get purge nvidia*sudo chmod +x *.runsudo ./NVIDIA-Linux-x86_64-430.34.run --uninstall禁用自带的nouveau nvidia驱动sudo vim /etc...

模型描述a3c_blogpost增强学习,A3C,小车屹立不倒,文章adv_imagenet_models对抗学习,比标准的cnn更具鲁棒性,文章adversarial_crypto对抗神经网络生成加密算法Adversarial logit pairing对抗逻辑,图像分类,文章Adversarial Text Classification对抗...

conv2d(inputs, filters, kernel_size,strides=(1, 1),padding=‘valid’,data_format=‘channels_last’,dilation_rate=(1, 1),activation=None,use_bias=True,kernel_initializer=None,bias_initializer=<t...

参考:从Embedding层到Keras解决文本分类api应用How to Use Word Embedding Layers for Deep Learning with Keras深度学习中Keras中的Embedding层的理解与使用一文搞懂word embeddding和keras中的embedding在Keras模型中one-hot编码,Embedding层,使用预训练的词向...

主要用于文本分析“I love you”整数编码深度学习的输入都要转换为数字,这里我们可以把"I"映射为0,"love"映射为1,"you"映射为2,这样"I love you"既可以编码为[0,1,2]One-Hot编码整数编码不好的地方是1,2,3之间默认有距离,比如"you"距离"I"为2,距离"love"为1,而现实他们都是独立的,就是相互的距离应该都是1,所以就需要One h...

Deep Convolutional Neural Network， DCNN计算机视觉三大核心问题：图像分类物体检测图像语义分割图像语义分割是将图像分割成几组有某种特定语义含义的像素部分，最终获得具有语义标注的图像。应2012年 AlexNet诞生，它是8层的DCNN，以10%的优势击败了传统图像构建特征方法，在1000类的图像分类任务中获得冠军。参考：笔记：基于DCNN的图...

CTPN是2016年提出来的，结合CNN和LSTM，主要用来检测横向文字。参考：场景文字检测—CTPN原理与实现

主要用于图像分类参考：卷积神经网络之AlexNet深入了解AlexNet网络深度学习笔记：CNN经典论文研读之AlexNet及其Tensorflow实现

VGG 2014年牛津大学提出，在2014年的ILSVRC比赛中，VGG 在Top-5中取得了92.3%的正确率。参考：VGG16原文卷积神经网络VGG16这么简单VGG16学习笔记VGG16学习笔记...

参考：完全解析RNN, Seq2Seq, Attention注意力机制

参考：完全解析RNN, Seq2Seq, Attention注意力机制