无敌阿强的博客

1、VGGNet1.1 2014年发表VggNet学习笔记2、GoogLenet2.1 2014年发表GoogLeNet简书2.2 Inception家族的「奋斗史」3、ResNet3.1 2015年提出ResNet（残差）网络简书...

一、特征归一化（对于数值类型）线性函数归一化；零均值归一化；二、高维特征组合三、图像数据不足时（1）选择技巧根本原理：模型所能提供的信息主要源于两个方面：训练数据中蕴含的先验信息；模型训练过程中（构造、学习、推理）以及人们提供的先验信息；（2）根本原因：当数据不足时，说明模型 从原始数据中获得的信息比较少，就需要增加更多的先验信息；可以增加到模型上；可以增加到数据集上...

Softmax和Sigmoid函数理解(1)相关背景sigmoid和softmax是神经网络输出层使用的激活函数，分别用于两类判别和多类判别。binary cross-entropy和categorical cross-entropy是相对应的损失函数。对应的激活函数和损失函数相匹配，可以使得error propagation的时候，每个输出神经元的“误差”（损失函数对输入的导数）恰等于其...

一、损失函数：机器学习主要工作是模型评估，而损失函数定义了模型的评估指标!!常见的损失函数有mean_squared_errormean_absolute_errormean_absolute_percentage_errormean_squared_logarithmic_errorsquared_hingehingecategorical_hingelogcoshcate...

（一） 函数1. Conv2Dkeras.layers.convolutional.Conv2D(filters, kernel_size, strides=(1, 1), padding=‘valid’, data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer=‘gl...

from __future__ import print_functionimport tensorflow as tfimport numpy as npimport osimport TensorflowUtils as utilsimport read_MITSceneParsingData as scene_parsingimport datetimeimport Batch...

import globimport os.pathimport randomimport numpy as npimport tensorflow as tffrom tensorflow.python.platform import gfileBOTTLENECK_TENSOR_SIZE = 2048BOTTLENECK_TENSOR_NAME = 'pool_3/_resha...

1.tf.multiply（）两个矩阵中对应元素各自相乘2.tf.matmul（）将矩阵a乘以矩阵b，生成a * b3.tf.Variable：主要在于一些可训练变量（trainable variables），比如模型的权重（weights，W）或者偏执值（bias）； 声明时，必须提供初始值； 名称的真实含义，在于变量，也即在真实训练时，其值是会改变的，自然事先需要指定初始值；weight...

（1）MNIST深度学习领域的“Hello World!”，入门必备！MNIST是一个手写数字数据库，它有60000个训练样本集和10000个测试样本集，每个样本图像的宽高为28*28。此数据集是以二进制存储的，不能直接以图像格式查看，不过很容易找到将其转换成图像格式的工具。最早的深度卷积网络LeNet便是针对此数据集的，当前主流深度学习框架几乎无一例外将MNIST数据集的处理作为介绍及入门第一...