zou_gr的博客

tf2的自定义训练 简单来说，什么是自定义训练？我们使用过tensoeflow2都知道直接model.compile进行编译后，model.fit就可以直接进行训练。这样确实很方便，但是其实在某种程度限制了自身的灵活性。下面本文便以Mnist数据集为例，完成自定义项目的流程。 项目流程 第一步，读入数据，将数据维度转换标准格式 (train_images, train_labels), (test_images, test_labels) = keras.datasets.mnist.load_data()

交叉熵 我们常用于分类问题的损失函数，具体的数学我们就不展开讲，这篇文章主要就是介绍在tensorflow2中，四个损失函数用起来有什么区别？ 四个交叉熵函数 tf.keras.losses.BinaryCrossentropy() tf.keras.losses.binary_crossentropy tf.keras.losses.categorical_crossentropy tf.keras.losses.CategoricalCrossentropy 首先我们从函数名就可以知道 BinaryCr

其实这个错误还是比较明显的，就是数据类型的问题，包括类似如此的报错都是这个问题，但是在深度学习项目里确搞得人半死，一直都发现不了哪里得数据类型不行。 我们来看个例子： ls = tf.keras.losses.BinaryCrossentropy() ls([0,0,1,1], [1,1,1,1]) 如上的代码就是报错的，因为BinaryCrossentropy这个函数不接受整数的数据类型。把他修改为浮点数就不会报错了。 ls([0.,0.,1.,1.], [1.,1.,1.,1.]) ...

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...

一 前言 卷积神经网络（CNN）可谓是深度学习网络的经典代表之一，吹牛的话就不多说了，我们直接说正事。其实学习过CNN的人都应该知道，其实CNN理解并不难，但是往往认为自己懂的时候，我觉得更应该多问自己一些理解模糊的问题，那这篇文章就是带领大家再大概了解一下CNN到底做了什么事，使得图像识别的准确率提高那么多。 二 CNN的基本操作 我们所了解到的神经网络模型，基本都可以认为，神经网络就是在自动...