SDFJXVC的博客

Tensorflow : 1.9.0import tensorflow as tfimport kerasimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.gridspec as gridspecimport keras.backend as Kimport osfrom keras.layers ...

1.Keras后端Keras 是一个模型级库，为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等低级操作。相反，它依赖于一个专门的、优化的张量操作库来完成这个操作，它可以作为 Keras 的「后端引擎」。相比单独地选择一个张量库，而将 Keras 的实现与该库相关联，Keras 以模块方式处理这个问题，并且可以将几个不同的后端引擎无缝嵌入到 Keras 中。打个比方，之前我...

本文转载自keras中最常用深度学习的API写在前面，如果执行本文代码有以下报错，你再回来看解决方案，现在可以直接看正文部分：pydot failed to call GraphViz或者GraphViz’s executables not found那就需要以下操作(1)打开Anaconda Propmt,在tensorflow-gpu环境中pip uninstall pydotp...

1.版本匹配首先要确定自己安装哪个版本的 tensorflow-gpu ，找到对应的Cuda版本等，关于版本的相关信息点击版本信息我选定的版本是：Tensorflow-gpu : 1.9.0Cudn : 9.02.下载安装包2.1下载Anaconda下载地址：Anaconda下载地址点自己需要的...

Keras中回调函数应用点击回调函数使用先导入callbacks#导入callbacks模块import keras.callbacks as callb1.EarlyStopping(1)作用：当被监测的数量不再提升，则停止训练。(2)相关参数：(3)用法：#EarlyStoppingearlystop = callb.EarlyStopping(min_delta=0.0...

1.模型的保存与载入1.1安装h5py要保存模型，首先要安装h5pypip install -i https://pypi.tuna.tsinghua.edu.cn/simple h5py1.2保存模型在训练完模型后，保存模型#训练模型model.fit(x_train,y_train,batch_size=60,epochs=20)#保存模型,这里是相对路劲model.sa...

1.创建模型方法(1)方法一：#创建模型model = Sequential()#在模型中添加全连接层model.add(Dense(256,input_dim=784,activation='tanh'))model.add(Dense(100,activation='relu'))model.add(Dense(10,activation='softmax'))(2)方法二：...

1.安装keras安装Keras要注意版本对应问题，不然会出错：我的是tensorflow1.7.0，所以安装方式：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.1.6安装成功后检测是否可行：...

1.自编码器自编码器的介绍可以点击这里。自编码器包含两部分：编码器与解码器。编码器相当于把数据压缩，解码器相当于将数据解压。编码就是数据降维，解码就是升维，之前的神经网络与卷积网络都叙述过，不再赘诉。2.去噪自编码去噪自编码与自编码器类似，都是编码与解码的过程。只是去噪自编码中原始数据是具有噪声的，通过去噪自编码器后，可以将数据中的噪声去除。...

本文所用数据集与8.训练自己的数据集(1)：TFRecords编写与读取一样，此处不再赘诉。1.将图片文件制作成Dataset数据集1.1获取文件名与标签import tensorflow as tfimport osfrom PIL import Imageimport numpy as np#生成图片与对应标签的列表def load_sample(sample_dir): ...

本文接上一篇：8.训练自己的数据集(1)：TFRecords编写与读取，文件是共享的，不再赘述。1.先看看训练集与测试集大小：import tensorflow as tfimport osimport numpy as npfrom PIL import Image#查看tfrecords中数据集的大小def total_sample(tfrecord_name): sa...

1.编写TFRecords1.1数据集样式在处理数据集之前，先看看数据是什么样式的，如图：在flowers中包含train与test，train中又包含5类花卉图片，这5类各自的文件夹名就是他们的标签。1.2制作TFRecords步骤1将文件名与对应的标签以字典的形式表示：import tensorflow as tfimport osimport numpy as npfr...

1.卷积神经网络详见 直白介绍卷积神经网络2.代码实现：与全连接网络不通，本篇去掉了 正则化方法，改用了 Dropout方法，加入两个 卷积层 与 池化层 。import tensorflow as tfimport pylabimport osfrom tensorflow.examples.tutorials.mnist import input_datamnist = inp...

你好

1.退化学习率2.正则化3.dropout

1.交叉熵1.1 信息量1.信息是什么，信息是用来消灭随机不确定性的东西。一个东西越不确定，就需要越多的信息，信息量就是用来衡量我们所需要的信息多少。例如：事件A：太阳明天不会爆炸。事件B：太阳明天会爆炸。就直观的来看，事件B里包含的信息量是不是很大，但是到底有多大你说不出来。下面公式告诉你有多大。2.信息量公式：I(x)=−log(p(x))I(x)=-log(p(x))I...

1.损失函数简介1.1损失函数作用损失函数绝对是深度学习中最重要的一部分，要想训练出好的模型，就必须要有个好的损失函数。首先，得明确损失函数是干嘛用的！通俗地说，损失函数就是告诉网络模型预测值与真实值的差距，描述模型预测的好坏，好让网络模型朝着我们期望的好的方向进行学习。举个简单的例子，就像猜数字游戏，我们随便写下一个数字，让计算机来预测我们写的值，这时我们就需要一个损失函数来告诉计算机...

首先要明确激活函数的作用，就是用来给模型加入非线性因素，使得模型处处可微。神经网络的一般形式是：Y=∑inwixi+bY = \sum_i^n w_ix_i +bY=i∑n​wi​xi​+b加入激活函数后，形式为：Y=激活函数(∑inwixi+b)Y = 激活函数(\sum_i^n w_ix_i +b)Y=激活函数(i∑n​wi​xi​+b)以下是几种常用激活函数介绍：1.si...

1.导入MNIST数据集1.1下载MNIST数据集：from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('MNIST_data',one_hot = True)运行上面代码，会自动将 MNIST数据集 下载并存入指定文件夹。注意，如果网速太慢，会导致下载...