摘要：
《python深度学习》笔记 6、文本和序列 一、总结 一句话总结： 循环神经网络（recurrent neural network）和一维卷积神经网络（1D convnet）：可以用来处理文本和序列的问题。 1、用于处理序列的两种基本的深度学习算法分别是 什么？ 循环神经网络（recurrent 阅读全文
posted @ 2020-10-12 23:23
范仁义
阅读(230)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 6、理解 n-gram 和词袋 一、总结 一句话总结： 【不保存顺序的分词方法】：词袋是一种不保存顺序的分词方法（生成的标记组成一个集合，而不是一个序列，舍 弃了句子的总体结构），因此它往往被用于浅层的语言处理模型，而不是深度学习模型。 二元语法（2-grams）集合： 阅读全文
posted @ 2020-10-12 23:07
范仁义
阅读(611)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 5.4-3、卷积网络可视化-热力图 一、总结 一句话总结： 【一张图像的哪一部分让卷积神经网络做出了最终的分类决策】：可视化类激活的热力图，它有助于了解一张图像的哪一部分让卷积神经网络做出了 最终的分类决策。这有助于对卷积神经网络的决策过程进行调试，特别是出现分类错误的 阅读全文
posted @ 2020-10-12 16:15
范仁义
阅读(1370)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 5.4-2、卷积网络可视化-过滤器 一、总结 一句话总结： 【每一层都学习一组过滤器】：卷积神经网络中每一层都学习一组过滤器，以便将其输入表示为过滤器的组合。 【过滤器变得越来越复杂，越来越精细】：这类似于傅里叶变换将信号分解为一 组余弦函数的过程。随着层数的加深，卷积 阅读全文
posted @ 2020-10-12 15:30
范仁义
阅读(342)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 5.4-1、卷积网络可视化-可视化中间激活 一、总结 一句话总结： 【更高的层激活包含关于特定输入的信息越来越少，而关于目标的信息越来越多】：随着层数的加深，层所提取的特征变得越来越抽象。更高的层激活包含关于特定输入的信息越来越少，而关于目标的 信息越来越多（本例中即图 阅读全文
posted @ 2020-10-12 15:14
范仁义
阅读(324)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 5.3-4、猫狗分类（使用预训练网络-微调模型） 一、总结 一句话总结： 【微调是指将预训练网络的前几层解冻】：微调是指将预训练网络的前几层解冻，在猫狗分类的例子中，可以看到准确率从90到94，提高了4个百分点 【先训练好分类层】：微调的话，注意先把dense层（分类层 阅读全文
posted @ 2020-10-12 07:33
范仁义
阅读(570)
评论(0)
推荐(0)
摘要：
matplotlib库曲线平滑 一、总结 一句话总结： 上一个节点*0.8+当前节点*0.2：smoothed_points.append(previous * factor + point * (1 - factor)) def smooth_curve(points, factor=0.8): 阅读全文
posted @ 2020-10-12 07:22
范仁义
阅读(1435)
评论(0)
推荐(0)
浙公网安备 33010602011771号