马超的博客

代码（源代码都有详细的注释）和数据集可以在github下载： https://github.com/crazyyanchao/TensorFlow-HelloWorld# coding: UTF-8# TensorFlow实现Softmax Regression识别手写数字（多层感知机）import tensorflow as tf########加载数据集########from tens

一、下载安装Anaconda 官网：https://www.continuum.io/downloads 请注意版本 安装过程中，Anaconda会提示是否添加到环境变量，选择“是”；（其实不用太看，基本上一直next到底就好了） 检查是否安装成功： 二、安装TensorFlow（管理员身份打开CMD） 进入这个目录：cd Program Files\Anaconda3\Script

代码（源代码都有详细的注释）和数据集可以在github下载： https://github.com/crazyyanchao/TensorFlow-HelloWorld 这个版本准确率在0.9173左右没有经过优化。但是展示了TensorFlow的总体使用方法。//# -* coding:UTF-8 *-//# TensorFlow实现Softmax Regression识别手写数字impo

MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片。 需要提前安装好TensorFlow环境（Python版本2.7） 下载安装数据集：# input.py"""Functions for downloading and reading MNIST data."""from __future__ import absolute_importfrom __future__ im

参考文章：http://blog.youkuaiyun.com/neilron/article/details/513871611.安装docker，Docker ToolBox(傻瓜式安装一直下一步即可)2.安装好之后建议先配置一个环境变量MACHINE_STORAGE_PATH，来自定义虚拟机保存的位置，因为之后下载的镜像越来越多，都是放在虚拟机的虚拟磁盘文件中，虚拟磁盘文件会越来越大，放在默认的C盘用户目

国内镜像库推荐： 网易：https://c.163.com/hub#/m/library/ 阿里云：https://dev.aliyun.com/ 本文使用阿里云镜像库先安装好docker Pull images拉取镜像$ sudo docker pull ubuntu # 获取 ubuntu 官方镜像 $ sudo$ sudo docker pull registry.cn-hangzh

Google InceptionNet-V3网络结构图：Inception V3网络结构图： 类型 kernel尺寸/步长（或注释） 输入尺寸 卷积 3*3 / 2 299 * 299 * 3 卷积 3*3 / 1 149 * 149 * 32 卷积 3*3 / 1 147 * 147 * 32 池化 3*3 / 2 147 * 147 *

结构有ResNet 50、ResNet 152、ResNet 200，考虑耗时原因只跑了ResNet 152网络结构的forward。# coding:UTF-8"""Typical use: from tensorflow.contrib.slim.nets import resnet_v2ResNet-101 for image classification into 1000 class

VGGNet模型的准确率相比于AlexNet有了很大提升，VGGNet虽然模型参数比AlexNet多，但反而只需要较少的迭代次数就可以收敛，主要原因是更深的网络和更小的卷积核带来的隐式的正则化效果。VGGNet凭借其相对不算很高的复杂度和优秀的分类性能，成为了一代经典的卷积神经网络，直到现在依然被应用在很多地方。VGGNet论文作者给出的总结：LRN层作用不大。越深的网络效果越好。1*1的卷积

AlexNet主要使用到的技术点：一、使用ReLU作为CNN激活函数，成功解决了Sigmoid在网络较深时的梯度弥撒问题。 二、训练时使用Dropout随机忽略一部分神经元，以避免模型过拟合。（AlexNet中主要在最后几个全连接层使用Dropout） 三、AlexNet全部使用最大池化，避免平均池化的模糊化效果。并且AlexNet提出让步长比池化核的尺寸小，这样池化层的输出之间会有重叠和覆盖，

此模型中如果使用100k个batch，并结合学习速率的decay（即每隔一段时间将学习速率下降一个比率），正确率可以高达86%。模型中需要训练的参数约为100万个，而预测时需要进行的四则运算总量在2000万次左右。所以这个卷积神经网络模型中，使用一些技巧。 （1）对weight进行L2的正则化。 （2）对图片进行翻转，随机剪切等数据增强，制造更多样本。 （3）在每个卷积-最大池化层后面使用LR

代码（源代码都有详细的注释）和数据集可以在github下载： https://github.com/crazyyanchao/TensorFlow-HelloWorld# -*- coding: utf-8 -*-'''卷积神经网络测试MNIST数据'''#########导入MNIST数据########from tensorflow.examples.tutorials.mnist imp

Installing TensorFlow on Ubuntu【官方链接】 安装anconda的命令是：bash+空格+包名 等待安装完毕即可，这里的包是下载下来的离线包 Anaconda下载链接 Ubuntu 16.04 LTS操作系统镜像下载 Ubuntu 16.04 LTS镜像下载链接— 更换anconda源（国外经常被墙的，换为清华镜像站）conda config --add c