繁华三千东流水不舍昼夜的博客

首先需要一个干净的Python虚拟环境，Python2/3都可以，我选择使用Python3.6安装必须的包：# 版本的话没有过多的要求，兼容即可，建议先安装torch>=0.3.0，然后pip会根据torch选择相应的其他包的版本# torch的版本过多，建议去pytorch官网根据自己的系统情况选择对应的版本，不同的版本有不同的pip命令# 我使用的是：pip install ...

我们要训练一个好的模型，并进行应用，目前来说是离不开Linux系统的，索性直接在该系统下操作吧

Linux常用指令

当把图片提前转为特征向量的时候，提取特征向量做训练，速度非常快。迁移学习过程中，合理使用已经训练好的模型，准确率和测试速度非常优秀。

如果你恰好在学习迁移学习，并且已经下载好了tensorflow_inception_graph.pb文件，那么看这里！

提取利用迁移学习保存好的模型，直接应用到自己需要的工业界

提取vgg16的所有卷积层的参数，自己训练全连接层的半迁移学习的演示

几行代码为大量图片进行批量改名方便后续深度学习时标签的制作

增加图像分类的准确率，增广数据总是不错的办法

- RNN神经网络多用于自然语言处理，但也可以用于简单的图像分类，这里做一个小小的尝试

在框架结构运用熟悉以后，数据预处理是一个需要多加练习的方面。

模型构建图示构建了一个输入层，输出层和单层隐藏层的神经网络模型。参考代码如下import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# 使用numpy生产200个随机点x_data = np.linspace(-0.5,0.5,200)[:,np.newaxis]# 产生噪声noise =...

手写含有四个隐层的反向传播代码，这样手写对实际工作并无太大影响，其主要目的是练习网络构建思路及测试链式求导的掌握程度。

import tensorflow as tfimport numpy as npimport osimport pickle# 数据载入参数def load_data(filename): with open(filename,'rb') as f: data = pickle.load(f,encoding='bytes') return ...

VGG-16模型进行图像风格迁移

使用Alexnet模型做cifar10分类import tensorflow as tfimport numpy as npimport pickleimport os# 读取文件目录# 自行下载数据集cifar_dir = './cifar-10-batches-py'print(os.listdir(cifar_dir))train_filenames = [os.pat...

使用深度学习的VGG-16卷积神经网络训练CIFAR10数据集代码实现

使用深度学习的inception卷积神经网络训练CIFAR10数据集代码实现

使用深度学习的resnet(残差网络)卷积神经网络训练CIFAR10数据集代码实现

代码如下：''' 线性回归案例'''import tensorflow as tfimport numpy as npfrom matplotlib import pyplot as plt# 组织数据X = np.random.rand(100)y = X * 0.1 + 0.2# 定义线性模型k = tf.Variable(0.) # 初始化斜率b = tf.V...