newnewman

在前面的文章 TensorFlow 训练 CNN 分类器 中我们已经学习了使用 TensorFlow 底层的函数来构建简单的 CNN 分类模型，但比较繁琐的是在定义 predict 函数时需要花费大量的代码先声明各层的权重和偏置，然后在搭建网络时还要不厌其烦的重复堆叠卷积、激活、池化等操作。本文介绍一种更方便构建神经网络模型的方法。一、tf.contrib.slim 构建 CNN 模型...

>>> import tensorflow as tfTraceback (most recent call last):  File "C:\Anaconda3\envs\tensorflow\lib\site-packages\numpy\core\__init__.py", line 16, in <module>    from . import mul...

目录数学基础：概率论1分布律：二项分布分布函数概率密度函数常见概率密度分布方差数学基础：概率论1分布律：二项分布独立重复进行n次服从相同(0-1)分布的伯努利试验，称为n重伯努利试验例：一个不透明的袋子里有40个红球和60个白球，每次从中抽取一个球，连续放回抽样5次，这就是一个5重伯努利试验一般来说，如果一个随机变量X满足二项分布的话，那么它一定有...

对反向传播算法（Back-Propagation）的推导与一点理解本文在推导过程中忽略了偏置的存在，这样做是为了更简单明晰的阐述BP算法的操作过程，并不是说偏置不重要，希望不会引起误会。我们知道，神经网络大多采取正向传播预测，反向传播误差的结构。反向传播算法是运用在神经网络中进行网络权重等最优值计算算法，其核心就是梯度下降链式法则求偏导，下面就对反向传播算法进行一下简单的推导：在下面...