Yasin的博客

一 、LeNet#coding=utf-8from keras.models import Sequentialfrom keras.layers import Dense,Flattenfrom keras.layers.convolutional import Conv2D,MaxPooling2Dfrom keras.utils.np_utils import to_categ...

用tensorflow实现线性回归，主要考察的是一个tf的一个实现思路。（贝壳）import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt #使用numpy生成200个随机点x_data=np.linspace(-0.5,0.5,200)[:,np.newaxis]noise=np.random...

Keras的模块结构    3.使用Keras搭建一个神经网络 4.主要概念   1）符号计算        Keras的底层库使用Theano或TensorFlow，这两个库也称为Keras的后端。无论是Theano还是TensorFlow，都是一个“符号式”的库。符号计算首先定义各种变量，然后建立一个“计算图”,计算图规定了各个变量之间的计算关系。     ...

深度神经网络（Deep Neural Networks，DNN）可以理解为有很多隐藏层的神经网络，又被称为深度前馈网络（DFN），多层感知机（Multi-Layer perceptron,MLP）。1 前向传播算法1.1 从感知机到神经网络感知机的模型是一个有若干输入和一个输出的模型，如下图:输出和输入之间学习到一个线性关系，得到中间输出结果：接着是一个神经元激活函数，...

卷积神经网络模型结构1. CNN的基本结构图中是一个图像识别的CNN模型，最左边船的图像是输入层，计算机理解为输入若干个矩阵。接着是卷积层（Convolution Layer），卷积层的激活函数使用的是ReLU(x)=max(0,x)。在卷积层后面是池化层(Pooling layer)，注意:池化层没有激活函数。根据模型的需要卷积层+池化层的组合（或者卷积层+卷积层+池化层的组合）...

DNN及DNN的特例CNN的模型都是前向反馈的，模型的输出和模型本身没有关联关系。循环神经网络(Recurrent Neural Networks ，RNN)是一种输出和模型间有反馈的神经网络。1. RNN概述DNN和CNN中，训练样本的输入和输出是比较的确定的。但当训练样本输入是连续的长短不一的序列，如基于时间的序列：一段段连续的语音，一段段连续的手写文字时，很难直接将其拆分成一个个独立...

由于梯度消失，RNN很难处理长序列的数据，LSTM（Long Short-Term Memory）对RNN进行改进，可以避免常规RNN的梯度消失，在工业界得到了广泛的应用。1. 从RNN到LSTMRNN具有如下的结构，每个序列索引位置t都有一个隐藏状态h(t)。如果略去每层都有的，则RNN的模型可以简化成如下图的形式：图中可以很清晰看出在隐藏状态后一方面用于当前层的模型损失...

LeNetLeNet是最早的卷积神经网络模型，针对全连接网络权值参数多，系统开销大，完全忽略了图像的局部结构对平移、形变不具有不变性的缺点，提出了一种利用卷积层和池化层堆叠进行特征提取的框架。特点：使用卷积提取局部特征，每个卷积核提取特定模式的特征，底层提取初级特征，高层对底层特征组合与抽象，训练中进行参数学习 引入Sigmoid非线性激活函数，提高模型表达能力 使用均值池化对提取...

1. 数值/连续特性商品的价格:二手商品的成交价格。我们的label 运费2. 类别特征:商品是否包邮：1是包邮，0是不包邮 商品的新旧程度 商品的标题 品牌名称:该产品的生产商品牌名称 商品的类目:由“\”分隔的项目的单个或多个类别F 商品的描述：可能包括删除的单词，由(rm)标记对label商品的价格进行可视化，发现出现严重的数据倾斜，长尾现象严重，我们对价格进行cox...