YYLin

前言深度学习入门基于python的理论与实现总共分成8章，前面两章介绍的是python的基础知识，推荐 python基础教程 里面有python的基础安装和基础语法的使用，python对深度学习很重要，学习深度学习之前可以先好好了解一下python的基础语法，以后就直接跳过这两章的知识，直接从第三章讲起。 深度学习入门之第三章： 神经网络 深度学习入门之第四章： 神经网...

tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)# 第一个参数input：表示输入数据 其形状是 [batch_size, in_height, in_width, in_channels]# 第二个参数fi...

前言：现在深度学习是现在深度学习中一直在用的一项技术，本章主要将卷积神经网络的三个部分。第一：（CNN）卷积神经网络的基本运算（原理与源码实现）第二：（CNN）中池化层的原理与源码实现第三：（CNN）卷积操作的可视化 # （CNN）卷积神经网络的基本运算  OK 这是从百度上找到的一张CNN的运算过程git, 就拿这张图进行分析吧CNN的运算是由三个部分组成的，第一部分...

前言：这一章介绍的就是一些tensorflow封装好的函数，以及函数的意义。本章主要介绍一下结合tensorflow中几个比较常见的优化器，batchnorm, 和 Dropout  文章中举了一个很好的关于神经网络优化参数的例子， 你现在在大沙漠之中眼睛被蒙住了，但是你知道沙漠最低处有水喝，问你怎么找到沙漠中最低点。第一种方法：没读过书的人 随便找，拼运气，显然这种情况下死的...

前言： 前面几个章节主要讲了这几件事情，第一：神经网络如何前向传播第二：神经网络输出层的设计方案第三：神经网络怎么判别输出的数据是否符合我们的要求，以及其离我们的要求还差多少？OK！！！本章之中介绍两件事情：第一： 我给你一个普通的函数， 你怎么找好函数的最小值，第二： 在我们使用交叉熵之后得到我们和真实数据之间的差距时，神经网络是如何调整其中的参数， （1） 求的...

前言：在第三章的时候，咱们讲了咱们在神经网络之中设置相关的参数，可以使数据通过神经网络前向传播，最后输出一个类别信息。但是我们怎么知道我们输出的类别信息是否正确？  或者我和正确的信息差距是多少？ 以及知道了差距之后我怎么告诉我们的模型调节对应W（权重）和B（偏置）的参数？本章节主要就是讲的就是这三件事。本章介绍的梯度其本质就是将 使用梯度方向进行方向传播 调节神经网络中的参数 但是现在这种方...

前言我看书上介绍的是如果训练神经网络做图像识别的， 正好之前在21个深度学习项目之中 有用卷积神经网络做图像识别 所以就介绍一下我之前写的吧！！！！！书上介绍的思想主要是使用mlp做前向神经网络 但是现在mlp无论是在Image Recognition 还是GANs中, 都没有卷积神经网络好， 渐渐被淘汰了  分享之前我碰到一个问题， 代码是不会骗人的 我们看看Image Recognit...

本节所讲的神经网络输出层主要是指用于识别器中的输出层设计，识别器的输出层一般具有两个功能，第一判断图像是真实图像还是生成的图像，第二用于Conditional GANs中判断图像的类别。如果是判别图像是否是真实图像，通常我们会直接使用sigmoid函数，如果是判别图像的类别，且不是二分类问题的话  我们一般都会使用到softmax函数当然也有直接输出不使用sigmoid或者softma...

前言： 在本章中主要介绍神经网络（GANs）中两个重要的部分，激活函数和神经网络的输出,  激活函数的作用： 在generator 和 discriminator中， 使用激活函数可以将每一层卷积或者MLP操作得到的数据进行非线性转化，使用激活函数有利于方向传播。第一类激活函数： sigmoid函数   import numpy as npimport tensorflow a...

#tf.nn.max_pool(input, ksize, strides, padding, name=None)函数的作用是找到按照ksize进行移动找到input中的数据最大值 然后进行输出#tf.nn.max_pool()包含四个参数信息第一个参数：表示input 标识的是输入的真实数据 其形状是 [batch_size, in_height, i...