梦若幻城的博客

老规矩，上代码，看注释 AlexNet是深度学习鼻祖的弟子的代表作，牛叉牛叉 不过在Tensorflow里看起来不是很麻烦的样子 hhhh 感谢google爸爸 from datetime import datetime import math import time import tensorflow as tf batch_size=32 num_batches=100#100个数

很简单的CNN实现，依旧用mnist作为训练集与测试集 不懂看注释吧 上代码： #CNN #深度学习出现之前借助SIFT、HOG等算法提取良好特征，集合SVM等算法进行图像识别 #深度学习将特征提取和分类训练结合在一起，分类时自动提取特征 #CNN可以使用图像的原始像素作为输入 #神经认知机中包含两类神经元：S-cells和C-cells #S-cells对应主流卷积神经网络的卷积核

我们的口号是什么？ 源码！源码！源码！ #增大样本量，减少特征数量以解决过拟合问题（泛化性不好） #SGD:随机梯度下降 #ReLU函数 #定义算法公式->定义损失函数和选择优化器优化loss->训练步骤->准确率测评 #载入MNIST数据集，创建默认Session from tensorflow.examples.tutorials.mnist import input_data imp

话不多说，直接上代码 看注释就 OK 啦 import numpy as np import sklearn.preprocessing as prep import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #fan_in是输入节点的数量 def xavier_init(fan_in

from tensorflow.examples.tutorials.mnist import input_data#引入数据集 mnist= input_data.read_data_sets("MNIST_data/",one_hot=True) print(mnist.train.images.shape,mnist.train.labels.shape)#显示数据集的格式大小 import

名字很叼有木有？ 实现了函数最小值的计算，具体说是高中数学知识，完成了求导和梯度下降，找出在某一范围内的最小值，注意调节步长（贼坑） """ 最速下降法 Rosenbrock函数 函数 f(x)=100*(x(2)-x(1).^2).^2+(1-x(1)).^2 梯度 g(x)=(-400*(x(2)-x(1)^2)*x(1)-2*(1-x(1)),200*(x(2)-x(1)^2))^(T)