pengchengIT的博客

CNN识别mnist手写体数字CNN模型构建整体架构代码实现代码分析卷积层maxpool层和Batch_normalization编程效果具体代码CNN模型构建整体架构代码实现代码分析卷积层maxpool层和Batch_normalization编程效果编程效果如下，经过几个epoch，测试集上的识别率到达了99%左右具体代码import tensorflow as tfimport numpy as np#读取训练测试集feature = { 'x

tensorboard是TensorFlow自带的可视化工具，主要有Scalars、graphs、distributions、histograms、Timer Series几个部分scalars中含有训练过程中的学习率、损失、精确率随迭代次数变化曲线，并且可以把数据下载成csv文件形式graphs中是训练过程的计算图，如下所示，包含了所用优化器、损失计算等过程distributions、histograms是训练过程中模型权重的分布情况和分布直方图总的来说scalars可以帮助我们记录模型训练过程

TensorFlow2中keras框架下layer对象中封装了大量常见循环神经网络层，如keras.layer.SimpleRNN、keras.layer.RNNcell、keras.layer.LSTM、keras.layer.LSTMcell等等类，其中keras.layer.SimpleRnn、keras.layer.LSTM、keras.layer.GRU类就是我们常说的RNN、LSTM、GRU在TensorFlow2对应的函数，下面对几种循环神经网络的输入输出简单介绍TensorFlow实现三种

tf.data.Dataset是一种针对大规模数据设计的迭代器。tf.data中有许多数据集预处理函数，并且可以和keras框架的compile、fit、evaluate训练方式和tf.GradientTape无缝衔接，使训练网络和数据预处理变得简单tf.data数据集的构建与预处理数据集构建数据集预处理函数Dataset.map(f)Dataset.shuffle(buffer_size)Dataset.batch(batch_size)Dataset.prefetch()数据集构建代码示例imp

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

有了Keras之后，事情变得简单模型构建首先，明确Keras中有两个重要的模块：model和layerKeras中layer分装了常见的全连接层，cnn,rnn等，我们只需要调用这些层，封装进model中，就完成了网络的构建，使用Keras后，网络定义变得高效，标准，快速。①使用Sequential()构建模型import tensorflow as tfimport numpy as npmodel = tf.keras.models.Sequential()model.add(tf.ke

安装（通过pip命令）第一步：打开cmd.exe,激活anaconda中你准备安装的环境第二步：输入命令pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple也可以pip install opencv-python建议用清华镜像那个，速度快测试在你的IDE中import cv2如果安装成功，cv2的颜色会改变...

很简单，在原代码基础上加几句代码即可一、保存模型3句即可，首先建立一个saver和一个路径下面两句添加在session创建之前，参数、网络结构定义之后# (C)pengchengIT 2021#保存模型saver = tf.train.Saver()model_path = "model/001model"#启动sessionwith tf.session() as sess:...然后调用save，自动将session中的参数保存起来。下面一句添加在session最后面save

RNN过程

效果展示向网络输入测试集中‘7’并绘出该输入图，得到10个标签的概率，7对应的标签概率最高，效果很好全连接神经网络网络结构1、输入层，隐藏层，输出层2、层与层之间连接权重3、激活函数sigmoid训练任务分为2部分1、针对给定的训练样本计算输出(正向传播)2、将计算得到的输出与所需输出对比，使用差值来指导网络权重更新(反向传播)反向传播误差误差函数梯度下降测试任务或叫查询，与训练任务一同分类任务中标签与概率训练测试集mnist训练测试集，是一个手写数字识别库，世界上

深度学习编程前需要准备好环境，包，IDE，常用软件。环境可以直接安装anaconda，深度学习常用包tensorflow需要anaconda环境，anaconda内已包含python创建深度学习环境所需的软件组件1、在cmd窗口激活环境，通过pip install 包/conda install 包指令配置2、tensorflow可以只装CPU版本，GPU版本要求较高，CPU的就够用安装包或软件介绍Tensorflow用于图形计算的开源python包，通常用于深度学习系统的