Lau_Sen的博客

参数参数分为两种：可学习得到的参数，和超参数。 机器学习可以归结为学习一个映射函数f : x → y，将输入变量 x映射为输出变量y。一般我们可以假设映射函数为y = f(x, θ)。其中θ 即为函 数的参数。参数可以通过学习算法进行学习。除了可学习的参数之外，还有一类参数是用来定义模型结构或训练策略的， 这类参数叫做超参数（Hyper-Parameter）。超参数和可学习的参数不同，通常是按照人...

之前人工智能大作业需要用到Keras里Applications中的预训练模型VGG16，VGG16接收的图片大小至少是48*48的三通道RGB图片，而这次MNIST数据集中的图片尺寸均为28*28单通道灰度图片，所以需要将数据集中的图片进行缩放，并且增加通道。但考虑到无法直接对数组进行缩放操作，因此学习了PIL库。思路是，先将28*28的数组转化为单通道灰度图象，再对图片使用PIL库中的函数增加通...

1. Graph and Session in TensorFlowimport tensorflow as tf# create a graph, and define a constant in itwith tf.Graph().as_default() as g: c = tf.constant(1.0)# define a tensor in the default gra...

1. define a modelclass LSTM(Object): def __init__(self, config): # input attributes as a dictionary # 给成员变量赋值 self.attribute = config["attribute"] pass # set placeholde...

1. loss functiontf.nn.sparse_softmax_cross_entropy_with_logits( labels=None, logits=None)tf.nn.softmax_cross_entropy_with_logits( labels=None, logits=None)这两个函数只有输入的labels有区别，前...

Construct a Seq2Seq Model with Attention Mechanism1. 创建一个seq2seq类class Seq2seq(object): def __init__(self, config): self.attribute = config["attribute"] pass对于seq2seq模型，此处的主要参数有:size of vo...