摘要：原来的训练结果： 改变优化器：规定优化器为adam，并将if（learning_rate）为0.001. 改变优化器之后的训练结果：结果不是很好，很快达到了饱和 阅读全文

摘要：在上次的fashion mnist实现softmax的基础，对于多分类问题使用categorical_crossentropy 和 sparse_categorical_crossentropy 两种方式来计算softma交叉熵 在原先train_lable是数字编码 ，现在使用独热编码（独热编码即 阅读全文

摘要：fashion mnist 数据集 使用60000张图像训练网络，并使用10000张图片评估经过学习的网络分类图像的准确率 从tensorflow直接访问fashion mnist，只需要导入和加载数据即可 1.如何加载fashion mnist 数据集： 2.如何使用tf.keras实现softm 阅读全文

摘要：关于信用卡的诈骗问题：导入诈骗数据集 编译： 阅读全文

摘要：利用tf.keras实现多层感知器 读取数据： 阅读全文

摘要：建立模型：通过受教育年限预测收入情况f(x)=ax+b 根据excel表格中属性值：Education 和 Income (将excel表格后缀改为.csv) 在jupyter中，表格所在路径下进行表格的导入： 若是要绘制散点图： 建立模型; 训练500次的测试过程： 损失值逐渐减少,损失值越小模型 阅读全文

摘要：例如单变量线性回归模型 利用jupyter 导入数据绘制散点图 阅读全文

摘要：print(tf.__version__) 查看版本使用的"_"和能够查看版本 print(tf.__version__)中 “__”不一样，这就是报错原因 注：实际上不是一个下划线，是两个下划线连在一起了。 阅读全文

摘要：明日 阅读全文

摘要：五种实现matlab边缘检测算法： 方法一： matlab自带的edge函数： 将图片保存为lena.jpg I=imread('lena.jpg');%提取图像 img=rgb2gray(I); [m,n]=size(img); BW1=edge(img,'sobel'); %用Sobel算子进行 阅读全文

摘要：找山坡最低点 向着梯度方向走：最陡峭的方向，切点的方向 梯度下降算法：沿着梯度的反方向走 如果步长太大，很可能做过最优解 阅读全文

摘要：Sigmoid函数：Sigmoid函数_百度百科 (baidu.com) 比方说 测试是否为猫; 最后结果越接近为1则，是猫的概率越大 利用log函数：距离1越近 绝对值越小 神经网络最后一层就是 softmax 阅读全文

摘要：损失函数值越大，分类效果越差’ 损失函数越小，分类效果越好 定义分类结果的好坏 利用权重参数 Sigmoid函数 机器学习之sigmoid函数 - 简书 (jianshu.com) 阅读全文

摘要：线性分类; 指定图像中哪些像素点重要，哪些不重要 f(x,W)=Wx +b(偏置项) 将三维的像素值转换成向量：需要知道每一个像素点的重要程度 例如：[32*32*3] 3072个像素点，需要有3072个权重参数。 权重参数矩阵->得分值 本质都是要优化 W和b 利用损失函数 得出 模型的差距大小 阅读全文

摘要：一张图片有可以被表示为三维数组的形式，每个像素值从0到255 图像属性：染色通道 。 彩色图有三个：r,g,b。 黑白图有一个染色通道。例如某图片：300*100*3，值越大越黑。(图像是三维的 H*W*C) 对图片处理面对的挑战：光照角度，光照强度，形状改变，部分遮蔽，背景混入 机器学习常规套路： 阅读全文

摘要：1、安装python 2.配置anaconda 环境 3.打开 jupyter方式： 3.1 安装jupyter 3.2利用anaconda 命令行：进入jupyter想要保存的文件夹之后：使用命令： jupyter notebook 阅读全文