czp_374的博客

https://blog.youkuaiyun.com/qq_42453117/article/details/100655512

从这篇文章起，将开始学习循环神经网络（RNN）以及相关的项目。这篇文章首先会向大家介绍RNN经典的结构，以及色的几个变体。接着将在 TensorFlow 中使用经典的RNN结构实现一个有趣的项目： CharRNN 。Char RNN可以对文本的字符级概率进行建模，从而生成各种类型的文本。1 RNN的原理1.1 经典RNN结构RNN的英文全称是Recurrent Neural Ne...

在上一篇文章中，主要介绍了RNN的几种结构，并且介绍了如何利用Char RNN进行文本生成。Char RNN对应着N VS N的RNN结构。在这篇文章中，将专注于另一种RNN结构；N VS 1。这种结构的输入为序列，输出为类别，因此可以解决序列分类问题。常见的序列分类问题有文本分类、时间序列分类、音频分类等等。这篇文章会使用TensorFlow制作一个简单的两类序列分类器1 N VS 1的RN...

Character level language model - Dinosaurus land（字符级别的语言模型—恐龙岛）欢迎来到Dinosaurus岛！ 6500万年前，恐龙存在，在这项任务中他们又回来了。你负责一项特殊任务。领先的生物学研究人员正在创造新的恐龙品种并将它们带到地球上，而你的工作就是为这些恐龙命名。如果恐龙不喜欢它的名字，它可能会变成beserk，所以明智地选择！（choo...

Operations on word vectors（词向量处理）因为词嵌入在训练上成本很高，所以大多数ML从业者将加载预训练的嵌入集（pre-trained set of embeddings）。完成此作业后，您将能够：加载预先训练的单词向量，并使用余弦相似度测量相似度使用单词嵌入来解决单词类比问题（word analogy），例如Man is to Woman as the King...

添加链接描述

添加链接描述

添加链接描述

复制链接

https://www.paperswithcode.com/收集对应论文和代码的网站

在前面的学习中，关注的大多数是图像识别问题：输入一张图像，输出 该图像对应的类别。这篇文章将讨论目标检测问题。目标检测的输入同样是一张图像，但输出不单单是图像的类别，而是该图像中所含的所高目标物体以及它们的位置。通常使用矩形框来标识物体的位置，如图5-1所示。深度学习已经被广泛应用在目标检测问题上，在性能上也远远超过了传统方法。这篇学习笔记会先介绍深度学习中的几个经典的目标检测方法， 再以Goo...

Deep Dream 是Google 公司在2015 年公布的一顶有趣的技术。在训练好的卷积神经网络中，只需要设定几个参数，就可以通过这项技术生成一张图像。生成出的图像不仅令人印象深刻，而且还能帮助我们理解卷积神经网络背后的运行机制。本章介绍Deep Dream 的基本原理，并使用TensorFlow实现Deep Dream 生成模型。1. Deep Dream 的技术原理在卷积网络中，输...

这篇文章关注的重点是如何使用TensorFlow 在自己的图像数据上训练深度学习模型，主要涉及的方法是对已经预训练好的ImageNet模型进行微调( Fine-tune）。本章将会从四个方面讲解：数据准备、训练模型、在测试集上验证准确率、导出模型并对单张图片分类。1.微调的原理在自己的数据集上训练一个新的深度学习模型时，一般采取在预训练 ImageNet 上进行微调的方法。什么是微调？这...

多层感知机与准确率相关的几个关键参数： 激活函数损失函数梯度下降方法学习率的大小正则化激活函数的原理作用：用来加入非线性因素的，解决线性模型所不能解决的问题。如何直观理解？用下图理解 作用：另一种理解方式：特征的充分组合 激活函数的类别与实现种类 SigmoidTanhReLULeaky ReLUMaxoutSig...

人脸检测（ Face Detection ）和人脸识别技术是深度学习的重要应用之一。本章首先会介绍MTCNN算法的原理， 它是基于卷积神经网络的一种高精度的实时人脸检测和对齐技术。接着，还会介绍如何利用深度卷积网络提取人脸特征， 以及如何利用提取的特征进行人脸识别。最后会介绍如何在TensorFlow 中实践上述算法。1 MTCNN 的原理搭建人脸识别系统的第一步是人脸检测，也就是在图片中...

所谓图像风格迁移，是指利用算法学习著名画作的风格，然后再把这种风格应用到另外一张图片上的技术。著名的国像处理应用Prisma是利用风格迁移技术，将普通用户的照片自动变换为具有艺术家的风格的图片。这篇文章会介绍这项技术背后的原理，此外，还会使用TensorFlow 实现一个快速风格迁移的应用。1 图像风格迁移的原理1.1 原始图像风格迁移的原理在学习原始的图像风格迁移之前，可以先回忆一下...

本文对应的程序文件是convolutional.py ，将建立一个卷积神经网络，可以把MNIST 手写字符的识别准确率提高到99% 。程序的开头依旧是导入TensorFlow:import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data接下来载入MNIST 数据，并建立占位符。占...

首先需要思考的一个问题是， 什么是数据读取？以图像数据为例， i卖取 数据的过程可以用图2-2 来表示。 假设硬盘中有一张图片数据集0001.jpg、0002.jpg、0.0003.jpg……..只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很窑易，但事实远没离那么简单。事实上，必须先读入数据后才能计算，假设读入用时0.1s，计算用时0.9s，那么意味着每过...

介绍了TensorFlow 的数据读取的基本原理，再来看如何i卖取CIFAR-10数据。在CIFAR-10 数据集中，文件data batch I .bin 、data batch 2.bin 、data_batch 5 . bin 和test_ batch.bin 中各有10000 个样本。一个样本由3073 个字节组成，第一个字节为标签（ label ），剩下3072 个字节为图像数据(官方说...

GAN的全称为Generative Adversarial Networks，意为对抗生成网络。原始的GAN是一种无监督学习方法，它巧妙地利用“对抗”的思想来学习生成式模型，一旦训练完成后可以生成全新的数据样本。DCGAN将GAN的概念扩展到卷积神经网络中，可以生成质量较高的图片样本。GAN和DCGAN在各个领域都有广泛的应用，这篇文章首先会介绍他们的原理，再介绍如何在TensorFlow中使用D...

1.首先要对数据集进行数据增强深度学习通常会要求拥有充足数量的训练样本。一般来说，数据的总量越多， 训练得到的模型的效果就会越好。在图像任务中，通常会观察到这样一种现象：对输入的图像进行一些简单的平移、缩放、颜色变换，并不会影响图像的类别。图2 -14 所示为翻转了位置的汽车图像，并适当降低了对比度和亮度，得到的图像当然还是汽车。它们都可以被用作是汽车的训练样本。对于图像类型的训练、数...

lmageNet 数据集简介ImageNet数据集是为了促进计算机图像识别技术的发展而设立的一个大型图像数据集。2016年ImageNet 数据集中已经高超过干万张图片，每一张图片都被手工标定好类别。ImageNet 数据；集中的图片涵盖了大部分生活中会看到的图片类别， 如图2-19 所示。 相比CIFAR-10 , ImageNet 数据集图片数量更多， 分辨率更高，含有的类别更多（高...

上篇文章介绍了GAN的基本原理以及如何使用GAN来生成样本，还再用于生成图像样本的一种特殊的GAN结构–DCGAN 。这篇文章会介绍cGAN , 与原始GAN使用随机躁声生成样本不同， cGAN可以根据指定标签生成样本。接着会介绍pix2pix模型，包可以看作是cGAN的一种特殊形式。最后会做一个实验：在TensorFlow 中使用pix2pix模型对灰度图像自动上色。cGAN的原理...

编写Tensorflow的两个步骤：构建计算图graph使用session去执行graph中的operation ![这里写图片描述] Tensor：类型化的多维数组，图的边Operation:执行计算的单元，图的节点Graph：一张有边与点的图，其表示了需要进行计算的任务Session:称之为会话的上下文，用于执行图三个基本概念 Tens...