Dongjiuqing的博客

tensorboard可视化远程服务器上的模型文件

简单的例子： import tensorflow as tf #tensorflow库 import numpy as np #科学计算包 #因为没有别的数据，所以自己创建一组数据 x_data=np.random.rand(100).astype(np.float32) #x_data是一个随机数组，范围0-1创建100个随机数 y_data=x_data*0.2...

tensorboard可视化网络结构 这个例子使用tensorboard可视化网络层和训练过程的loss以及权重和bias，可视化结果如附图所示。可视化了神经网络，这个高深莫测的网络不再那么黑了。增加了对神经网络运算过程的理解。 '''这个代码还是在上一篇的基础上改进的，主要对上一篇构建的神经网络进行了可视化，对于大部分上一篇有的注释，在此代码中不再重复注释，如有不清楚的地方，可以参见上一篇...

学了一段深度学习，最近学了tensorflow，所以想自己去根据教程写一个简单的卷积神经网络。 CNN：卷积神经网络的实现 一个卷积神经网络的结构一般是由输入-->卷积-->池化-->卷积-->池化-->............-->全连接-->全连接-->输出，这样的一层层构建起来的网络。本代码构建了一个含有两个卷积层，两个池化层和两个全连接层...

keras是模仿别人写的，想真正自己去用tensorflow，下面是实现代码。代码仅搭建出了一个大的框架，没有加入一些关键的技巧，网络能跑通，但是精度不高。关键地方做了注释 import tensorflow as tf import numpy as np import keras #获取数据和对数据的预处理 (x_train,y_train),(_,_)=keras.datasets.ci...

AlexNet网络： 2012年，Alex...提出了深度学习卷积神经网络模型Alexnet，其中包含了几个当时新颖的技术点。获得了2012年ILSVRC比赛第一名。Alexnet主要使用的技术点如下： 1.成功使用ReLU作为卷积神经网络的激活函数，验证了在深层卷积神经网络的效果超过Sigmoid，成功解决Sigmoid在网络较深层神经网络的梯度消失问题。 2.训练使用dropout，忽略...

在学习YOLO-tensorflow代码的过程中，继续学习了关于tensorflow的一些内容。随笔记下： 1  tf.pad import tensorflow as tf #定义一个二维和三维的数据 t1 = tf.constant([[1, 2, 3], [4, 5, 6]]) t2 = tf.constant([[[1,2,3], [4,5,6], [7,8,9]]]) with...

代码学习有点吃力，学习了YOLOv1的代码，主要是训练部分的代码，对yolo的又有了进一步的理解。其文件夹下主要包含py文件为，train.py, yolo_net.py, pascal_voc.。下面是比较详细的代码解读。但是还是有一些内容理解的不是很透彻。暂时就这样吧。 首先看一下yolo_net.py文件，这个文件主要定义了网络结构，损失函数的计算等内容。 import numpy a...