ghjk014的专栏

BUG 1. AttributeError: ‘module’ object has no attribute ‘mul’# 解决方案：用tf.multiply替代tf.mul1212BUG 2. AttributeError: ‘module’ object has no attribute ‘sub’ 解决方案：用tf.subtract替代tf.sub# 解决方案：用t

深度学习之Tensorflow实现自编码器 当拥有很多的标注数据时，可以训练一个深层的神经网络。但是没有标注的数据时，依然可以利用无监督的自编码器来提取特征。自编码器（AutoEncoder），顾名思义，即可以使用自身的高阶特征编码自己。自编码器其实也是一种神经网络，它的输入和输出是一致的，它借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。因此，它的特点非常明显：第一，期望

版权声明：本文为博主原创文章，未经博主允许不得转载。目录(?)[+]简介mnist相当于ML和DL的hello world程序，通过对手写数字的图片进行训练，并对测试图片进行测试，验证其有效性数据集的准备有时候直接在代码中下载可能需要一些时间，或者提示IO error。因此在实际的使用过程中，会先下载好离线的数据下载地址相关链接 

1. 神经元模型以下引用自Poll的笔记：神经网络基础。　　神经元是神经网络中最基本的结构，也可以说是神经网络的基本单元，它的设计灵感完全来源于生物学上神经元的信息传播机制。我们学过生物的同学都知道，神经元有两种状态：兴奋和抑制。一般情况下，大多数的神经元是处于抑制状态，但是一旦某个神经元收到刺激，导致它的电位超过一个阈值，那么这个神经元就会被激活，处于“兴奋”状态，进而向其他的神

一、前言目前，深度学习已经广泛应用于各个领域，比如图像识别，图形定位与检测，语音识别，机器翻译等等，对于这个神奇的领域，很多童鞋想要一探究竟，这里抛砖引玉的简单介绍下最火的深度学习开源框架 tensorflow。本教程不是 cookbook，所以不会将所有的东西都事无巨细的讲到，所有的示例都将使用 python。那么本篇教程会讲到什么？首先是一些基础概念，包括计算图，graph

initialize_all_variables已被弃用，将在2017-03-02之后删除。 说明更新：使用tf.global_variables_initializer代替。

基于TensorFlow的车牌号识别系统（原英文链接：http://matthewearl.github.io/2016/05/06/cnn-anpr/） Tags: 车牌识别 TensorFlow简介过去几周我一直在涉足深度学习领域，尤其是卷积神经网络模型。最近，谷歌围绕街景多位数字识别技术发布了一篇不错的paper。该文章描述了一个用于提取街景门牌号的单个端到端