一只羊驼没有毛的博客

文章目录卷积与卷积神经网络卷积基本结构池化层与全连接层卷积与卷积神经网络卷积给定一个卷积核Kernel，将其覆盖在输入图像的矩阵中，将输入图像每一个单元格的数值和对应的卷积核数值相乘并相加，写入到output单元格中，给定步长依次滑动，填满output矩阵。使用padding防止边缘特征被忽略掉。基本结构早在1998年，LeNet5中就奠定了基本结构，卷积、池化、卷积、池化、全连接、全连接、输出。卷积层用来提取图像的底层特征，池化层用来防止过拟合，并且将数据维度减小，全连接层用于汇总之前卷积层和

机器学习基础：分类问题、回归问题、聚类问题、降维、有监督、无监督，混淆矩阵，ROC曲线，评估指标：Recall、precision、TP、FN、FP、TN

Error:No backend found in registry、This application has not registered any plugins yet、module "miniprogram_npm/@tensorflow/tfjs-core/crypto.js" is not defined 以及npm 构建@tensorflow/tfjs-core （编译tr46/index.js）卡死、Error:Cannot read property 'setWeb、开发者工具编译特别慢

使用 CNN 识别手写数字构建一个 **TensorFlow.js** 模型，以使用卷积神经网络识别手写数字。**首先**，我们将通过让分类器“观察”数千个手写数字图片及其标签来训练分类器。**然后**，我们会使用模型从未见过的测试数据来评估该分类器的准确性。该任务被视为分类任务，因为我们会训练模型以将类别（出现在图片中的数字）分配给输入图片。我们将通过显示输入的多个示例和正确的输出来训练模型。这称为**监督式学习**。

TensorBoard的安装和使用版本：tensorflow2.1.0 + python 3.7.4首先需要安装tensorboard，win+R，在控制台进入你的虚拟环境【我这里是：conda activate py37。可以参考下】然后这里使用 pip 安装。输入 pip tensorboard。运行测试代码，会在规定位置产生日志文件。运行之后切到日志所在位置的上一级，我这里日志在 D:/logs，所以切到 D:/ 就可以了。然后输入 tensorboard --logdir=./log

版本：Tensorflow 2.1.0 + CUDA 10.1STEP1查看自己电脑显卡对应的CUDA最高版本【参考链接】https://jingyan.baidu.com/article/6fb756ec4fabc4241858fbf7.html注意： 查询到的版本为对应的最高版本，可以低于该版本。如果已经下载tensorflow，则需要和tensorflow版本对应。【2.1.0以上版本的tensorflow没有经过特别指定的话，一般会自动下载GPU和CPU版本】【官方CUDA和tensor