燕芝沛然的博客

概念这里的Transfer Learning是人工智能里的概念，迁移于教育学知识里的学习迁移概念：学习迁移也叫训练迁移，即一种学习对另一种学习的影响，也就是已获得的知识、技能、学习方法或学习态度对学习新知识、新技能的和解决新问题所产生的一种影响，或者说将学得的经验有变化地运用于另一情景。那么，按照这种思路，深度卷积神经网络在大型数据集上做训练，所学习的经验–权重，是不是也可以迁移到另外一个数...

一、CNN的局部感受野、共享权重和池化学了很久的卷积神经网络，看了关于它的tutorial，也看没有明白它（convnet 中的卷积层）到底要做什么？说它再做特征提取，怎么看不出来提取的是什么特征？卷积输入尺寸和输出尺寸是如何匹配的？所谓共享权重体现在哪里？怎么突然就扁平化处理了？我们到底要怎样彻底理清楚，搞明白，还会运用它？网络类别接下来，我形象比喻（自认为很形象）的方式解释今天的主人公，...

TypeError：调用函数，传参个数不匹配试图只传一个参数给需要三个必须参数的函数，并条用它。这是不对的。源代码出错位置：display_result(train_model())分析原因：定义的函数：def display_result(train_loss,train_acc,test_acc):有三个必要参数。作为参数的函数：def train_model():……retur...

UnknownError: Failed to get convolution algorithm.运行sess.run()错误行标定这一行：sess.run(optimizer, feed_dict={ x: batch_x, y: batch_y, keep_prob: dropout }显示错误信息：tensorflow.python.framework.errors_impl.Unk...

BPN算法学习 BPN 算法可以分成以下两个过程：正向传播：输入被馈送到网络，信号从输入层通过隐藏层传播到输出层。在输出层，计算误差和损失函数。反向传播：在反向传播中，首先计算输出层神经元损失函数的梯度，然后计算隐藏层神经元损失函数的梯度。接下来用梯度更新权重。终于理清了epoch、batch_size、输入输出的shape表示的含义。调参、训练模型从此再也不迷糊了。Result2...