深度学习
关注
分享
扫一扫
土豆钊
求知若渴，大智若愚
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
白话RNN系列（二）
紧接白话谈RNN系列（一） 上文讨论了基础的全连接神经网络，本文，我们来说说RNN。 首先，RNN相比于普通的神经网络，有什么改进？ 两点比较突出：权值共享和隐层神经元节点的有序连接。 直接上图，浅显易懂： 上图，摘自深度学习（花书），左侧图和右侧图表达了相同的含义，我们以右侧图为例，并配合实例，对RNN进行透彻的分析，我尽可能以很通俗移动的方式把RNN讲明白。 从本图中，我们很清...原创 2019-01-19 19:30:55 · 713 阅读 · 1 评论 -
白话RNN系列（三）
紧接上文，白话RNN系列（二）。 通过generateData得到我们的样本数据之后，我们开始搭建自己的RNN： # 每个批次输入的数据，这里定义为5，即每个批次输入5个数据 batch_size = 5 # RNN中循环的次数，即时间序列的长度 # 这里取长度为15的时间序列 truncated_backprop_length = 15 # 与时间序列相对应，占位符的维度为 5 * 15 ...原创 2019-01-19 21:33:41 · 447 阅读 · 0 评论 -
白话RNN系列（四）
本文，谈谈RNN的一个变种，也是目前使用比较广泛的神经网络LSTM，我们首先描述下LSTM的基本结构，然后给出一个具体的使用LSTM的例子，帮助大家尽快掌握LSTM的原理和基本使用方法； 这可能是一张大家熟悉地不能再熟悉的图片了。 我们可以将其与RNN的基本结构进行对比： 我们可以看到区别：RNN中，每个循环体会产生一份输出，即隐藏状态；最终输出由此隐藏状态产出，同时，隐藏状态会保...原创 2019-01-20 19:00:47 · 616 阅读 · 0 评论 -
白话RNN系列（五）
前文，对于LSTM的结构进行了系统的介绍，本文，通过一个MNIST_data的例子，争取能够把LSTM的基本使用来吃透。 import tensorflow as tf import input_data # 导入 MINST 数据集 # from tensorflow.examples.tutorials.mnist import input_data # one_hot=True，代表输入...原创 2019-01-20 19:54:03 · 431 阅读 · 0 评论 -
白话RNN系列（六）
上文给出了一个LSTM使用的具体例子，但其中依旧存在一些东西说的不是很清楚明白，接下来，我们会针对LSTM使用中更加细致的一些东西，做一些介绍。 本人目前使用的基本都是TensorFlow进行开发。 lstm_cell = tf.nn.rnn_cell.LSTMCell(n_hidden, forget_bias=1.0, name='basic_lstm_cell') outputs, s...原创 2019-01-20 21:11:35 · 334 阅读 · 0 评论 -
白话RNN系列（七）
本文，探讨下LSTM的一些高级应用，比如双向LSTM。 前面的探讨过程中， 我们使用到的RNN或者LSTM都是单向的，即按照时间顺序排列的一维序列；而在实际应用中，双向的RNN由于考虑到更充足的上下文，往往能起到更好的效果： Bi-RNN又叫双向RNN，是采用了两个方向的RNN网络。 RNN网络擅长的是对于连续数据的处理，既然是连续的数据规律，我们不仅可以学习它的正向规律，还可以学习它的反向规...原创 2019-01-20 21:59:49 · 626 阅读 · 1 评论 -
tensorflow的部分函数汇总（非大全，保持更新）
写在前面： 默认已经引入Tensorflow 和Numpy， 且形如： import numpy as np import tensorflow as tf 1.ones_like sess = tf.Session() ones_like = tf.ones_like([2, 3]) print(sess.run(ones_like)) 其会根据传入的tensor的形状，生成个全...原创 2019-02-19 19:33:22 · 693 阅读 · 0 评论