
--基础实践
linux_win
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
一文学会用 Tensorflow 搭建神经网络
本文是学习这个视频课程系列的笔记,课程链接是 youtube 上的, 讲的很好,浅显易懂,入门首选, 而且在github有代码, 想看视频的也可以去他的优酷里的频道找。 Tensorflow 官网 神经网络是一种数学模型,是存在于计算机的神经系统,由大量的神经元相连接并进行计算,在外界信息的基础上,改变内部的结构,常用来对输入和输出间复杂的关系进行建模。 神经网络由大量的节点和之间的联系构成...转载 2019-02-04 16:23:02 · 267 阅读 · 0 评论 -
TensorFlow加载数据的方式
tensorflow作为符号编程框架,需要先构建数据流图,再读取数据,然后再进行训练。tensorflow提供了以下三种方式来加载数据: 预加载数据(preloaded data):在tensorflow图中定义常量或变量来保存所有数据 填充数据(feeding):Python产生数据,再把数据填充到后端 从文件中读取数据(reading from file):通过队列管理器从文件中读取数据 下...转载 2019-02-05 12:43:29 · 317 阅读 · 0 评论 -
Tensorflow生成数据的一些方法
正常情况下,使用tf.initialize_all_variables()初始化变量,在完全构建好模型并加载之后才运行这个操作。生成数据的主要方法如下: 1)如果需要利用已经初始化的参数给其他变量赋值,TF的变量有个initialized_value()属性,就是初始化的值,使用方法如下: # 原始的变量 weights = tf.Variable(tf.random_normal([7...转载 2019-02-05 13:09:38 · 542 阅读 · 1 评论 -
tensorflow笔记-简单模型训练,保存与提取
训练模型和保存模型代码 import tensorflow as tf import numpy as np x_data = np.random.rand(100) y_data = x_data*2+1 x = tf.placeholder(tf.float32) y = tf.placeholder(tf.float32) w = tf.Variable(0.0) b = tf.V...转载 2019-02-05 18:00:27 · 320 阅读 · 0 评论 -
TensorFlow超参数及其调整
正如你目前所看到的,神经网络的性能非常依赖超参数。因此,了解这些参数如何影响网络变得至关重要。 常见的超参数是学习率、正则化器、正则化系数、隐藏层的维数、初始权重值,甚至选择什么样的优化器优化权重和偏置。 超参数调整过程 调整超参数的第一步是构建模型。与之前一样,在 TensorFlow 中构建模型。 添加一种方法将模型保存在 model_file 中。在 TensorFlow 中,可以使用...转载 2019-02-05 18:15:22 · 3700 阅读 · 1 评论 -
MNIST的四种写法
MNIST是什么 MNIST是一组经过预处理的手写数字图片数据集,它为机器学习的初学者提供了一个练手的机会,可以在真实的数据上用学到的算法来解决问题。由于很多的机器学习教程都以MNIST作为入门项目,因此它也被称作是机器学习领域的“hello world”。 MNIST中每个样本都是一张长28、宽28的灰度图片,其中包含一个0-9的数字。我们需要做的,就是根据训练数据建立一个模型用来识别输入图...转载 2019-02-05 19:07:55 · 3259 阅读 · 0 评论 -
用RNN做MNIST分类
1.前言 RNN常用作NLP中,像图片生成文字、自动生成古诗词等。这篇文章用RNN做MNIST手写数字识别,分类效果虽然没有CNN效果好,但准确率也能够达到96%。 2.环境 Mac os系统,python:3.5,Keras 3.代码实现 import numpy as np np.random.seed(1337) from keras.datasets import...转载 2019-02-05 19:19:10 · 574 阅读 · 0 评论