weixin_43822600的博客

#机器学习之K近邻算法###欧氏距离##欧式距离(Euclidean Distance)计算公式：两个n维向量a(x11,x12,…,x1n)a(x11,x12,…,x1n)与b(x21,x22,…,x2n)b(x21,x22,…,x2n)间的欧氏距离：注：除欧氏距离外，还有其他距离，如夹角余弦，汉明距离，曼哈顿距离，闵可夫斯基距离等##Python代码实现### -*- codin...

#练习手写数字识别 tensorflow框架#加载数据集from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('MNIST_data/',one_hot=True)W0814 14:23:30.529140 8456 deprecation.py:323] ...

#多层感知机from tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tfmnist = input_data.read_data_sets("MNIST_data",one_hot = True)sess = tf.InteractiveSession()WARNING: Loggi...

AlexNetRelu激活函数应用 --解决sigmoid在网络较深时的梯度弥散问题dropout机制避免模型过拟合CNN使用重叠的最大池化，而AlexNet使用最大池化，避免平均池化的模糊效果提出使用LRN层，创建局部神经元竞争机制，增强模型泛化机制使用CUDA加速训练过程数据增强–PCA降维AlexNet：8个训练层（不包含pool和LRN层），前五层conv层，后三层full...

VGGNet优势： 探索卷积神经网络的深度与其性能之间的关系—>反复堆叠3 * 3 kernel 和 2 * 2 最大池化层—>成功构建了16~19层深度卷积神经网络—>迁移和泛化能力强，网络结构简单[外链图片转存失败(img-JWb9qJR3-1567153752204)(attachment:image.png)]A —> E 六个级别网络结构[外链图片转存失...

ResNet#实现ResNet_V2_152import tensorflow as tfimport collectionsimport timefrom datetime import datetimeimport mathslim = tf.contrib.slimWARNING: Logging before flag parsing goes to stderr.W...

Google Inception NetInception V1控制了计算量和参数量：一.参数越多模型越庞大，学习的数据量就必须越大。二.参数越多，耗费资源越多。22层深，优势一在于去除了最后的全连接层，用全局平均池化层取代（全连接层几乎占据AlexNet和VGGNet中90%的参数量，还会引起过拟合），优势二在于设计的Inception Module 提高了参数的利用率------&gt...