摘要:        
Keras实现卷积神经网络 一、总结 一句话总结: tf的高级模块keras是可以非常简单方便的实现卷积神经网络、循环神经网络等神经网络 model = Sequential()# 第一个卷积层,32个卷积核,大小5x5,卷积模式SAME,激活函数relu,输入张量的大小 model.add(Con    阅读全文
posted @ 2020-08-13 21:14
范仁义
阅读(478)
评论(0)
推荐(0)
        
            
        
        
摘要:        
感悟总结 感悟总结(200813) 一、总结 一句话总结: 二、感悟总结(200813) 博客对应课程的视频位置: 翻过这道山,就有人听到你的故事。 学习 【轻学无用】:学生时代学html、java、c++、php、安卓、python等和之前学英语的感受,轻学无用,不为需求学,不学全面无用。 学习和    阅读全文
posted @ 2020-08-13 19:05
范仁义
阅读(632)
评论(0)
推荐(0)
        
            
        
        
摘要:        
Tensorflow2.0的Kreas高层接口介绍 一、总结 一句话总结: Keras 是一个主要由 Python 语言开发的开源神经网络计算库,它被设计为高度模块化和易扩展的高层神经网络接口,使得用户可以不需要过多的 专业知识就可以简洁、快速地完成模型的搭建与训练。 1、TensorFlow2.X    阅读全文
posted @ 2020-08-13 18:22
范仁义
阅读(425)
评论(0)
推荐(0)
        
            
        
        
摘要:        
TensorFlow 的常用模块介绍 一、总结 一句话总结: Module:tf.train:这个模块主要是用来支持训练模型的 Module:tf.nn:神经网络的功能支持模块,这是最常用到的一个模块,比如用于构建经典的卷积网络,它下面还包含了 rnn_cell 的子模块,用于构建循环神经网络; M    阅读全文
posted @ 2020-08-13 17:51
范仁义
阅读(933)
评论(0)
推荐(0)
        
            
        
        
摘要:        
keras是什么 一、总结 一句话总结: Keras是一个由Python编写的开源人工神经网络库,可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口,进行深度学习模型的设计、调试、评估、应用和可视化。 二、keras是什么 转自或参考:Kerashttps:/    阅读全文
posted @ 2020-08-13 13:32
范仁义
阅读(547)
评论(0)
推荐(0)
        
            
        
        
摘要:        
200812_深度学习系列 1、感知器(神经元) 一、总结 一句话总结: 神经元也叫做感知器:神经元是神经网络的基本组成单元 1、神经网络中的输入层、输出层和隐藏层? 最左边的层叫做输入层,这层负责接收输入数据;最右边的层叫输出层,我们可以从这层获取神经网络输出数据。输入层和输出层之间的层叫做隐藏层    阅读全文
posted @ 2020-08-13 12:00
范仁义
阅读(538)
评论(0)
推荐(0)
        
            
        
        
摘要:        
KL散度、JS散度、Wasserstein距离 一、总结 一句话总结: ①)、KL散度又称为相对熵,信息散度,信息增益。KL散度是是两个概率分布P和Q 差别的非对称性的度量。 ②)、JS散度度量了两个概率分布的相似度,基于KL散度的变体,解决了KL散度非对称的问题。 ③)、Wessertein距离相    阅读全文
posted @ 2020-08-13 11:56
范仁义
阅读(2493)
评论(0)
推荐(0)
        
            
        
        
摘要:        
200812_深度学习系列 3、神经网络和反向传播算法(没完) 一、总结 一句话总结: 神经网络的实现很简单,原理的实现就是矩阵相乘,就是前向传播和反向传播 1、前向传播和反向传播? 前向传播:就是函数套函数计算y,简单的很 反向传播:就是很简单的链式法则 2、什么是向量化编程? 就是计算用向量来计    阅读全文
posted @ 2020-08-13 10:07
范仁义
阅读(125)
评论(0)
推荐(0)
        
 
    
 
 浙公网安备 33010602011771号
浙公网安备 33010602011771号