<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[itluojie的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/itluojie</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; itluojie]]></copyright><item><title><![CDATA[Tensorflow2.0入门教程22:RNN网络实现文本分类]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104920516</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104920516</guid><author>itluojie</author><pubDate>Tue, 17 Mar 2020 14:09:48 +0800</pubDate><description><![CDATA[RNN实现文本分类
import tensorflow as tf

下载数据集
imdb=tf.keras.datasets.imdb
(train_x, train_y), (test_x, test_y)=imdb.load_data(num_words = 10000)

Downloading data from https://storage.googleapis.com/tensor...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程21:RNN模型结构及搭建]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104920251</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104920251</guid><author>itluojie</author><pubDate>Tue, 17 Mar 2020 13:51:45 +0800</pubDate><description><![CDATA[循环神经网络
循环神经网络（Recurrent Neural Network, RNN）是一种适宜于处理序列数据的神经网络，被广泛用于语言模型、文本生成、机器翻译等。

常用模型结构

定义循环神经网络层API
SimpleRNN、LSTM、GRU
import tensorflow as tf

1.SimpleRNN
Vanilla RNN

tf.keras.layers.SimpleRNN...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程20：Tensorboard可视化]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104905396</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104905396</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 18:41:35 +0800</pubDate><description><![CDATA[使用keras回调函数
tf.keras.callbacks.TensorBoard
参数说明：


log_dir:保存TensorBoard要解析的日志文件的目录的路径。


histogram_freq:频率（在epoch中），计算模型层的激活和权重直方图。如果设置为0，则不会计算直方图。必须为直方图可视化指定验证数据（或拆分）。


write_graph:是否在TensorBoard中可...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程19：模型的保存与恢复]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104905288</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104905288</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 18:34:40 +0800</pubDate><description><![CDATA[一、模型保存：


1.保存模型参数


2.保存整个模型


回调函数保存


手动保存




1.回调函数：tf.keras.callbacks.ModelCheckpoint
训练期间保存模型（以 checkpoints 形式保存）,Checkpoint是一个二进制文件，它保存了权重、偏置项、梯度以及其他所有的变量的取值，扩展名为.ckpt
keras.callbacks.ModelChe...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程18：模型调参之动态改变学习率]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104905049</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104905049</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 18:24:20 +0800</pubDate><description><![CDATA[学习率衰减：加快学习算法的一个办法就是随时间慢慢减少学习率,我们将之称为学习率衰减(learning rate decay)，在训练过程中，我们可以根据训练的结果对学习率做出改变。
import cv2
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

path='flower...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程17:模型调参之过拟合及解决方法]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104904434</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104904434</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 18:04:57 +0800</pubDate><description><![CDATA[过拟合(overfitting)现象：训练集准确率（高）与验证集准确(低)率差异过大
欠拟合(underfitting)现象：训练集和测试集准确率都偏低
欠拟合也叫作叫高偏差(bias)，过拟合也叫高方差(variance)

原因：


训练集的数量级和模型的复杂度不匹配。训练集的数量级要小于模型的复杂度；


训练集和测试集特征分布不一致；


样本里的噪音数据干扰过大，大到模型过分记住了噪音...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程16:使用经典CNN网络进行迁移学习和微调]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104902097</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104902097</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 16:32:29 +0800</pubDate><description><![CDATA[Keras中预定义的经典卷积神经网络结构，如：
Xception
VGG16
VGG19
ResNet, ResNetV2
InceptionV3
InceptionResNetV2
MobileNet
MobileNetV2
DenseNet
NASNet
下载预训练模型：tf.keras.applications
tf.keras.applications 中有一些预定义好的经典卷积神经网络结...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程15：CNN网络添加BN层]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104901574</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104901574</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 16:15:54 +0800</pubDate><description><![CDATA[BN(BatchNormalization)层的作用：
1，加速收敛；
2，控制过拟合，可以少用Dropout或者不用Dropout；
3，降低网络对初始化权重的不敏感；
4，允许使用比较大的学习率。

解决梯度消失与梯度爆炸的问题

1，网络中训练以batch_size为最小单位不断迭代，新的batch_size进入网络，就会产生新的γ与β，在BN层中，有总图片/batch_size组γ与β被保...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程14：CNN网络基础示例]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104899915</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104899915</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 16:06:09 +0800</pubDate><description><![CDATA[CNN网络结构
包含一个或多个卷积层（Convolutional Layer）、池化层（Pooling Layer）和全连接层（Fully-connected Layer）。

卷积：

提取局部特征

https://pic.rmb.bdstatic.com/e6871b1259fe02a5192e15294fc684148433.gif
https://img-blog.csdnimg.cn/...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程13：自定义层、损失函数和评估指标]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104899714</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104899714</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 15:08:17 +0800</pubDate><description><![CDATA[如果现有的这些层无法满足我的要求，我需要定义自己的层怎么办？我们不仅可以继承 tf.keras.Model 编写自己的模型类，也可以继承 tf.keras.layers.Layer 编写自己的层。
自定义层
自定义层需要继承 tf.keras.layers.Layer 类，并重写 init 、 build 和 call 三个方法，如下所示：
import tensorflow as tf

cla...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程12：自定义循环训练模型]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104899613</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104899613</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 15:04:30 +0800</pubDate><description><![CDATA[自动求导机制

在机器学习中，梯度下降时候需要计算函数的导数，TensorFlow 提供了强大的自动求导机制来计算导数, 使用tf.GradientTape()自动求导；
tf.Variable():定义变量，变量同样具有形状、类型和值三种属性。使用变量需要有一个初始化过程，可以通过在 tf.Variable() 中指定 initial_value 参数来指定初始值；
变量与普通张量的一个重要区别...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程11:多层感知机（MLP）模型搭建]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104899392</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104899392</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 14:59:18 +0800</pubDate><description><![CDATA[MLP模型结构

MLP网络实现fashion_mnist图像分类
1.使用tf.keras.datasets获得数据集
2.构建模型
3.模型配置
4.训练模型
5.验证模型
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

一、数据获取及预处理： tf.k...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程10：tf.data.Dataset使用介绍]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104899118</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104899118</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 14:50:18 +0800</pubDate><description><![CDATA[很多时候，我们希望使用自己的数据集来训练模型。然而，面对一堆格式不一的原始数据文件，将其预处理并读入程序的过程往往十分繁琐，甚至比模型的设计还要耗费精力。比如，为了读入一批图像文件，我们可能需要纠结于 python 的各种图像处理包（比如 pillow ），自己设计 Batch 的生成方式，最后还可能在运行的效率上不尽如人意。为此，TensorFlow 提供了 tf.data 这一模块，包括了一套...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程9：TensorFlow Datasets 数据集载入]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104898872</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104898872</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 14:38:37 +0800</pubDate><description><![CDATA[两种方法

1.tensorflow_datasets包载入https://tensorflow.google.cn/datasets/overview
2.tf.keras.datasets载入

一、tensorflow_datasets载入数据集
安装包
pip install tensorflow_datasets
导入包
import tensorflow as tf
import te...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程8：信用卡反欺诈案例]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104898716</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104898716</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 14:31:54 +0800</pubDate><description><![CDATA[通过Keras模型类搭建神经网络模型
import tensorflow as tf
import pandas as pd
import numpy as np

pandas读取数据
data = pd.read_csv("creditcard.csv")

data.head()




  
    
      
      Time
      V1
      V2
      V3...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程7：Keras模型类搭建神经网络模型]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104898512</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104898512</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 14:23:37 +0800</pubDate><description><![CDATA[Keras 模型以类的形式呈现，我们可以通过继承 tf.keras.Model 这个 Python 类来定义自己的模型。在继承类中，我们需要重写 init()（构造函数，初始化）和 call(input) （模型调用）两个方法，同时也可以根据需要增加自定义的方法。当模型比较复杂时，推荐使用这种方法搭建网络。

定义模型一般结构
class MyModel(tf.keras.Model):
    ...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程6:逻辑回归基础示例]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104898101</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104898101</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 14:12:36 +0800</pubDate><description><![CDATA[搭建模型一般步骤

1.数据
2.模型
3.目标函数
4.优化算法
5.评价指标（准确率）

数据
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import pickle
%matplotlib inline

with open('./logistic_regression.pkl', 'r...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程5：广告投放销量预估案例]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104893658</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104893658</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 10:43:09 +0800</pubDate><description><![CDATA[利用线性回归实现广告投放量预估
import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

数据分析
data = pd.read_csv("Advertising.csv")

data.head()




  
    
      
      TV
    ...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程4：顺序式模型和函数式模型搭建神经网络]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104893275</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104893275</guid><author>itluojie</author><pubDate>Mon, 16 Mar 2020 10:31:26 +0800</pubDate><description><![CDATA[tf.kears
Keras 是一个广为流行的高级神经网络 API，简单、快速而不失灵活性，现已得到 TensorFlow 的官方内置和全面支持。
两个重要概念：模型（Model）和层（Layer）
层将各种计算流程和变量进行了封装（例如基本的全连接层，CNN 的卷积层、池化层等），而模型则将各种层进行组织和连接，并封装成一个整体，描述了如何将输入数据通过各种层以及运算而得到输出。
import ...]]></description><category></category></item><item><title><![CDATA[Tensorflow2.0入门教程3：Numpy下的线性回归]]></title><link>https://blog.youkuaiyun.com/itluojie/article/details/104755717</link><guid>https://blog.youkuaiyun.com/itluojie/article/details/104755717</guid><author>itluojie</author><pubDate>Mon, 09 Mar 2020 17:15:13 +0800</pubDate><description><![CDATA[一、搭建模型一般步骤

1.数据
2.模型
3.目标函数
4.优化算法

二、任务描述
已知数据x,y，假设y和x存在y=w*x+b的关系，使用梯度下降方法来求线性模型中两个参数 w 和 b 的值
import numpy as np
import matplotlib.pyplot as plt
import numpy as np

x = np.array([1.0, 2.0, 3.0, 4...]]></description><category></category></item></channel></rss>