微信扫一扫打赏支持

随笔分类 -  4_深度学习（keras、tersorflow2、数据集、pytorch、深度学习花书等）

上一页 1 ··· 4 5 6 7 8
TensorFlow2_200729系列---2、梯度下降求简单线性回归原理
摘要：TensorFlow2_200729系列 2、梯度下降求简单线性回归原理 一、总结 一句话总结： 就是根据loss函数，对w和b求梯度（偏导），也就是w'=w-lr*∂ loss/∂ w ,b'=b-lr*∂ loss/∂ b 1、为什么求梯度是对loss函数求的梯度（w'=w-lr*∂ loss/ 阅读全文
posted @ 2020-07-29 13:07 范仁义 阅读(210) 评论(0) 推荐(0)
TensorFlow2_200729系列---1、TensorFlow2自动求导实例
摘要：TensorFlow2_200729系列 1、TensorFlow2自动求导实例 一、总结 一句话总结： 用tf.GradientTape()：[dy_da,dy_db,dy_dc] = tape.gradient(y, [a,b,c]) import tensorflow as tf # 创建4个 阅读全文
posted @ 2020-07-29 07:41 范仁义 阅读(182) 评论(0) 推荐(0)
Tensorflow函数式API的使用
摘要：Tensorflow函数式API的使用 一、总结 一句话总结： I、在我们使用tensorflow时，如果不能使用函数式api进行编程，那么一些复杂的神经网络结构就不会实现出来，只能使用简单的单向模型进行一层一层地堆叠。 II、如果稍微复杂一点，遇到了Resnet这种带有残差模块的神经网络，那么用简 阅读全文
posted @ 2020-07-29 06:07 范仁义 阅读(266) 评论(0) 推荐(0)
tensorflow2知识总结---8、函数式API
摘要：tensorflow2知识总结 8、函数式API 一、总结 一句话总结： tensorflow2函数式API是可以非常方便的构建出复杂的神经网络，比如多输入多输出类型的 input=keras.Input(shape=(28,28)) x=keras.layers.Flatten()(input) 阅读全文
posted @ 2020-07-29 06:05 范仁义 阅读(453) 评论(0) 推荐(0)
tensorflow2知识总结---7、dropout抑制过拟合实例
摘要：tensorflow2知识总结 7、dropout抑制过拟合实例 一、总结 一句话总结： 操作非常简单，直接增加dropout层即可：model.add(tf.keras.layers.Dropout(0.5)) # 增加dropout层来抑制过拟合 model = tf.keras.Sequent 阅读全文
posted @ 2020-07-28 21:55 范仁义 阅读(705) 评论(0) 推荐(0)
tensorflow2知识总结---6、过拟合实例
摘要：tensorflow2知识总结 6、过拟合实例 一、总结 一句话总结： A、训练集上的loss一直降低 ，测试集上的loss却有较大波折，证明过拟合 B、训练的时候验证测试数据：history = model.fit(train_image,train_label,epochs=10,validat 阅读全文
posted @ 2020-07-28 20:55 范仁义 阅读(357) 评论(0) 推荐(0)
tensorflow2知识总结（杂）---4、训练模型的步骤
摘要：tensorflow2知识总结（杂） 4、训练模型的步骤 一、总结 一句话总结： 1、首先开发一个过拟合的模型（更多层，更多神经元，训练更多轮） 2、然后，抑制过拟合（dropout、正则化、图像增强） 3、再次，调节超参数（学习速率、隐藏层单元数、训练轮次） 1、过拟合 和 欠拟合 ？ 过拟合：在 阅读全文
posted @ 2020-07-28 20:49 范仁义 阅读(586) 评论(0) 推荐(0)
tensorflow2知识总结（杂）---3、如何提高网络的拟合能力
摘要：tensorflow2知识总结（杂） 3、如何提高网络的拟合能力 一、总结 一句话总结： 1、增加层（增加层的效果比增加隐藏神经元的效果好） 2、增加隐藏神经元个数 1、什么是网络容量 及相关？ a、网络容量可以认为与网络中的可训练参数成正比 b、网络中的神经单元数越多，层数越多，神经网络的拟合能力 阅读全文
posted @ 2020-07-28 07:22 范仁义 阅读(1014) 评论(0) 推荐(0)
tensorflow2知识总结（杂）---2、Adam优化器
摘要：tensorflow2知识总结（杂） 2、Adam优化器 一、总结 一句话总结： 1、Adam算法可以看做是修正后的Momentum+RMSProp算法. 2、Adam通常被认为对超参数的选择相当鲁棒 3、学习率建议为0.001 1、反向传播算法？ 每一层的导数都是后一层的导数与前一层输出之积，这正 阅读全文
posted @ 2020-07-25 02:43 范仁义 阅读(846) 评论(0) 推荐(1)
tensorflow2知识总结---5、softmax多分类
摘要：tensorflow2知识总结 5、softmax多分类 一、总结 一句话总结： softmax多分类适用于神经网络输出层是一个多分类的输出的情况 1、tensorflow的输出层注意？ 如果输出层是一个连续的数字，就不进行其它操作，直接输出 如果输出层是一个二分类（是和否），可以对输出层做一个si 阅读全文
posted @ 2020-07-24 18:51 范仁义 阅读(1038) 评论(0) 推荐(0)
tensorflow2知识总结---4、逻辑回归实例
摘要：tensorflow2知识总结 4、逻辑回归实例 一、总结 一句话总结： 也就是将损失函数设置为binary_crossentropy即可：model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['acc']) 1、把te 阅读全文
posted @ 2020-07-21 13:49 范仁义 阅读(213) 评论(0) 推荐(0)
tensorflow2知识总结---3、逻辑回归与交叉熵
摘要：tensorflow2知识总结 3、逻辑回归与交叉熵 一、总结 一句话总结： 1、逻辑回归：线性回归预测的是一个连续值，逻辑回归给出的“是”和“否”的回答 2、交叉熵：交叉熵刻画的是实际输出（概率）与期望输出（概率）的距离，也就是交叉熵的值越小，两个概率分布就越接近。 1、sigmoid函数 和 概 阅读全文
posted @ 2020-07-21 00:51 范仁义 阅读(332) 评论(0) 推荐(0)
tensorflow2知识总结---2、多层感知器实例
摘要：tensorflow2知识总结 2、多层感知器实例 一、总结 一句话总结： 1、多层感知器也就是创建的模型是多层的模型而已，其实基本架构（创建模型、训练模型、模型预测）也都是一样的 2、隐藏层：tf.keras.layers.Dense(10,input_shape=(3,),activation= 阅读全文
posted @ 2020-07-20 23:52 范仁义 阅读(317) 评论(0) 推荐(0)
tensorflow2知识总结---1、线性回归实例
摘要：tensorflow2知识总结 1、线性回归实例 一、总结 一句话总结： 第一步：创建模型：model = tf.keras.Sequential() 后面用model的add方法添加layers就好 第二步：训练模型：history = model.fit(x,y,epochs=5000) 第三步 阅读全文
posted @ 2020-07-20 22:22 范仁义 阅读(449) 评论(0) 推荐(0)
tensorflow2知识总结（杂）---1、安装tensorflow
摘要：tensorflow2知识总结（杂） 1、安装tensorflow 一、总结 一句话总结： pip install tensorflow-cpu==2.2.0 -i https://pypi.douban.com/simple/ 1、升级 pip？ python -m pip install --u 阅读全文
posted @ 2020-07-20 21:49 范仁义 阅读(128) 评论(0) 推荐(0)

上一页 1 ··· 4 5 6 7 8