weixin_38477351的博客

TensorFlow 开发环境搭建TensorFlow 数据导入与使用使用 tf.keras.datasets 加载数据使用

Trensorflow2 新特性Temsorflow2 核心模块Tensorflow2 VS Tensorflow1.xTensorflow2 落地yi

环境windows下载进入Anaconda 官网进行下载

Tensorfow描述卷积计算可以在Tensorflow框架下利用keras来构建 CNN中的卷积层，使用的是 tf.keras.layers.Con2D函数，具体的使用方法如下：tf.keras.layers.Conv2D( input_shape=(高, 宽, 通道数), # 输入特征图维度，仅在第一层有，可省略 filters=卷积核个数, kernel_size=卷积核尺寸, # 正方形写核长整数 或 （核高h, 核宽w） s...

摘要一、全零填充概念 全零填充（padding）：为了保持输出图像尺寸与输入图像一致，经常会在输入图像周围进行全零填充，如下图所示，在 5 * 5的输入图像周围填 0，则输出特征尺寸同为 5 * 5。 ...

卷积神经网络-感受野摘要

卷积计算过程摘要一、全连接网络回顾 全连接 NN特点：每个神经元与前后相邻层的每一个神经元都有连接关系。（可以实现分类和预测） 全连接网络的参数个数为： 如下图所示，针对一张分辨率仅为 28 * 28的黑白图像（像素值个数为 28 * 28 * 1 = 784），全连接网络的参数总量就有将近 40万个。 在实际应用中，图像的分辨率远高于此，且大多数是彩色图像，如下图所示。虽然全连接网络一般被认为是分类预测的最佳网络，但待优化的参数...

应用程序，给图识物目录摘要一、给图识物二、前向传播执行应用三、完整代码摘要应用程序，给图识物一、给图识物输入一张手写数字图片：神经网络自动识别出值：手写 10个数字，正确率 90%以上合格。二、前向传播执行应用predict(输入数据,batch_size=整数) #返回前向传播计算结果实现前向传播执行识图应用三步骤：（1）复现模型（前向传播）model = tf.keras.Sequential([ tf.ke...

loss /loss可视化，可视化出准确率上升、损失函数下降的过程目录摘要一、acc曲线与loss曲线二、完整代码摘要loss /loss可视化，可视化出准确率上升、损失函数下降的过程一、acc曲线与loss曲线history = model.fit(训练集数据, 训练集标签, batch_size=, epochs=, ...

参数提取，把参数存入文本摘要参数提取，把参数存入文本。一、提取可训练参数model.trainable_variables返回模型中可训练的参数二、设置print输出格式np.set_printoptions(precision=小数点后按四舍五入保留几位，threshold=数组元素数量少于或等于门槛值，打印全部元素；否则打印门槛值+1个元素，中间用省略号补充)注：precision=np.inf #打印小数位数；threshold=np.nan #...

断点续训，存取模型目录摘要一、读取模型二、保存模型三、完整代码摘要断点续训，可以存取模型。一、读取模型load_weights(路径文件名)# 读取模型base_path = os.path.dirname(os.path.abspath(__file__))# ../MNIST_FC/checkpoint/base_path = os.path.join(base_path, "MNIST_FC")base_path = os.path.join(base

数据增强，扩展数据集目录摘要一、Tensorflow2.x数据增强函数一、Sequential()实现数据增强二、Class()实现数据增强摘要 数据增强（增大数据量），可以帮助扩展数据集。 对图像的增强，就是对图像的简单形变，用来应对因拍照角度不同引起的图片变形。一、Tensorflow2.x数据增强函数image_gen_train = tf.keras.preprocessing.image.ImageDataGenerator(增强方法)...

神经网络八股-自制数据集，解决本领域应用

FASHION数据集目录摘要一、导入模块二、导入 MNIST数据集三、作为输入特征，输入神经网络时，将数据拉伸为一维数组四、可视化训练集输入特征的第一个元素五、打印出训练集输入特征的第一个元素六、打印出训练集标签的第一个元素七、打印出训练集（输入特征、标签）、测试集（输入特征、标签）的形状八、完整代码九、Sequential()实现手写数字识别十、Class()实现手写数字识别摘要 FASHION数据集（具有mnist近乎所有的特征）：...

MNIST数据集摘要MNIST数据集： 提供 6w张 28*28像素点的 0~9手写数字图片和标签，用于训练。 提供 1w张 28*28像素点的 0~9手写数字图片个标签，用于测试。一、导入模块# 模块导入import tensorflow as tffrom matplotlib import pyplot as plt二、导入 MNIST数据集# 导入数据集，分别为输入特征和标签mnist = tf.keras.datase...

搭建网络八股sequential

Tensorflow2.0 的 API：tf.keras来搭建网络八股 sequential，以鸢尾花数据集来演示

Tensorflow2.x框架-优化器

欠拟合与过拟合

损失函数（loss）：预测值（y）与已知答案（y_）的差距

激活函数

学习率

神经网络（NN）复杂度

Tensorflow2安装

神经网络实现鸢尾花分类

鸢尾花数据集（Iris）

常用函数

数据类型

手写数字识别

线性回归