weixin_45680007的博客

写一下今天炼丹的收获：1：对于一开始就用vgg16进行fashion_mnist，正确率总是0.1，我推测是因为数据集(60000,28,28,1)每张图片蕴涵的信息只有（28,28）不是很大，经过这么多池化层，dropout,许多关键信息都被丢弃了。当我只有两卷积一池化时，正确率就90+2：关于metrics=[‘sparse_categorical_accuracy’]。metrics指...

关于数据增强关于数据增强：有三个部分。第一部分：定义数据增强的方式image_gen_train = ImageDataGenerator(rescale=1,#归至0～1rotation_range=0,#随机0度旋转width_shift_range=0,#宽度偏移height_shift_range=0,#高度偏移horizontal_flip=True,#水平翻转zoom...

循环神经网络RNN:借助循环核（Cell ）提取特征后，送入全连接网（Dense）提取时间信息，循环核参数时间共享RNN是在单个神经元上，除输入输出外， 添加一条自循环回路表征当前状态，当前状态会影响其未来状态。ht=f(ht-1 ,xt)使得某一时刻神经元状态ht ，记忆力之前各时刻的状态h1,h2,…,ht-1可以看到，存在两个参数wxh和whh。可以看到第一个参数代表是和x或者h...

GoogLeNetInception经历了V1,V2,V3,V4四个版本Inception V0最初版本增加了网络的宽度增加了网络对尺度的适应性。因为既有长步卷积核，也有短步的卷积核还可以进行一个池化操作，以减少空间大小，降低过度拟合更为重要的，结构化网络Inception V1改进一：在33和55的卷积层前加了一个11的卷积层，主要是降低参数数量。解释：对于33的卷积核，...

卷积神经网络：全连接网络的缺陷：1：数据量过大，运算负担重2：参数过大，出现过拟合现象有效提取图像特征的方法正方形卷积核(过滤器)，遍历图片上的每个点图片区域内，相对应的每一个像素值乘以卷积核内相对应点的权重，求和，再加上偏置。输出图片边长= （输入图片边长 – 卷积核长 + 1 ）/ 步长此图：（（5 – 3 + 1 ）/ 1 = 3有些时候需要输出图片边长和输入图片边长相同...

提高准确率1：学习率 梯度下降学习率2：参数初始化并打乱顺序（通常predict帮助完成）3：使用不同的优化器4：使用不同的激活函数5：防止过拟合的措施6：扩展数据集多次检验的：以learnign_rate为例子learning_rate=[0.00001,0.0001,0.001,0.01,0.1,0.4];loss_result=[]accuracy_result=[]...

加载模型和断点续传model.load_weights(model_save_path)model.save_weights(model_save_path,save_format=‘tf’)save_t format：‘h5’ : HDF5格式，保存模型结构及参数‘tf’ : TensorFlow格式，保存参数for i in range(50):model.fit(x_train...

Matplotlib：一个基本的绘图程序：第一步：设定x,y的关系 x = np.arange(1,11)y = 2 * x + 5第二步：图名，横纵轴名绘制plt.title(“Matplotlib demo”)plt.xlabel(“x axis caption”)plt.ylabel(“y axis caption”)plt.legend(“functionA”)第...

Embedding Layers为什么要用Embedding layers？通常情况下，我们使用的是one-hot编码，但是one-hot是将其转为0-1，如果有1000个不同的数值，那么就会转为1000*1000的矩阵，存储消耗过大。所以采取 Embedding Layers举个例子：对于一句话"deep learning is very deep”第一步：我们将其分配索引 就好像1...

Tf.train.GradientDescentOptimizer(learning_rate, use_locking=False,name='GradientDescent)也就是我们最朴素的方法v[t] = -ε*▽f(θ[t])Θ[t+1] = θ[t] +v[t]SGD全名 stochastic gradient descent， 即随机梯度下降每步迭代过程:从训练集中的随...

神经网络库：六大步骤import 导入包x_train, y_train 确定数据集model = tf.keras.models.Sequential 构建神经网络model.compile 优化神经网络，确定神经网的损失函数和优化器等model.fit 确定数据集合和测试集合model.summary 统计model = tf.keras.models.Sequential 构...

x_data = datasets.load_iris().datay_data = datasets.load_iris().targetdatasets.load_iris()返回的是<class ‘sklearn.utils.Bunch’>我们可以利用type(datasets.load_iris())，可以理解为类吧。np.random.seed(116)np.ran...

pandas使用DataFrame：创建日期数据pd.date_range(‘20130101’, periods=6)DatetimeIndex([‘2013-01-01’, ‘2013-01-02’, ‘2013-01-03’, ‘2013-01-04’,‘2013-01-05’, ‘2013-01-06’],dtype=‘datetime64[ns]’, freq=‘D’)pa...

list = [ ‘abcd’, 786 , 2.23, ‘john’, 70.2 ]tinylist = [123, ‘john’]print list # 输出完整列表print list[0] # 输出列表的第一个元素print list[1:3] # 输出第二个至第三个的元素print list[2:] # 输出从第三个开始至列表末尾的所有元素print tinylist * ...

学的有点心态崩了。真是觉得人与人的差距比人与x的差距还大，大神们都在调参改超量，我连读个csv都调不出来，哎难受学习率学习率 learning_rate：学习率大了振荡不收敛，学习率小了收敛速度慢改进：指数衰减学习率可以先用较大的学习率来快速得到一个较优解，然后随迭代逐步减小学习率，使模型在训练后期稳定。衰减后的学习率 衰减后的学习率= 初始学习率*衰减率 衰减率 （当前轮数当前轮数/...

张量的定义张量（tensor）:多维数组 阶：张量的维数维数 阶 名字 例子0-D 0 量 标量 scalar s=1 2 31-D 1 量 向量 vector v=[1, 2, 3]2-D 2 阵 矩阵 matrix m=[[1, 2, 3], [4, 5, 6], [7, 8, 9]]n-D n 量 张量 tensor t=[ [ […张量可以表示0 阶到n阶数组（列表）创建...

Python常用库：1：numpy 理解为矩阵库2：pandas csv标准化读取库3：plt 画图库4：PIL 图像处理老师布置了三个作业：作业1： 请复现课上的散点图与等高线（如下图），其中散点图的坐标（x1，x2），颜色标签（y_c）在【作业素材】文件夹的 dot.csv 中；等高线的各个坐标点的高度在【作业素材】文件夹的 probs.csv 中。代码：# !/usr/bi...