幸运的Alina的博客

      最近学习TensorFlow的时候，正好利用kaggle上的Minist数据集来入手。经历一段时间的折磨后，终于成功弄出了一个结果，至于优化类的后面再讲，今天就介绍下tensorflow入门minist。一开始我是看着官网学习的，但是鉴于官网知识很有限，最后我都理解为我自己的东西了。学习的部分我前半部分为训练模型加保存模型，后半部分为加载模型并预测。这里我们讲解也分为2部分来讲...

在上次提交的代码后，基于上次的结果采用CNN神经网络，将准确率提高了一个等级，下面附上训练代码和对应的预测代码，这次在训练中保存模型后，在预测过程中读取模型的时候采用了加载整个神经网络模型的方法。期间也遇到了很多报错 。经过慢慢分析，一一解决了。训练代码，我这里训练只迭代了10次，实际中大家可以根据实际来训练，因为我觉得用个人的笔记本训练太慢了，就没训练太久，最后训练结果如下：实现代码...

就像修炼武功一样，都有武林秘籍，按照步骤一步一步修炼，练好基础，然后再举一反三,最终就可修炼绝世武功。在深度学习领域进行学习的过程中也是一样，先把基础功训练扎实，深入理解原理及步骤，后面不管是各种算法的变种都可以通过基础算法举一反三。今天就来讲解下深度神经网络训练的三部曲，也就是神经网络是怎么训练的。这里的训练三部曲就分为正向传播、反向传播、梯度下降。那么我们分开来讲解每一步做了啥以及这样...

一直没找到时间来总结下自己学习的内容，这段时间坚持下，把所学所想记录下来，让自己的学习体系更完善，而不是停留在自认为会了的阶段还需要能够表达出来。首先梳理下人工智能、机器学习、深度学习之间的关系，用一张图来表示如下： 可以看到人工智能是个最大最泛的概念，机器学习则就是指的一个程序在任务...