摘要：
《python深度学习》笔记 6.4、用卷积神经网络处理序列 一、总结 一句话总结： 【卷积神经网络提取特征所以在计算机视觉表现出色】：卷积神经网络（convnet），并知道它在计算机视觉问题上表现出色，原因 在于它能够进行卷积运算，从局部输入图块中提取特征，并能够将表示模块化，同时可以高效 地利用 阅读全文
posted @ 2020-10-14 16:37
范仁义
阅读(645)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 6.3、循环神经网络的高级用法 一、总结 一句话总结： 循环dropout（recurrent dropout）：这是一种特殊的内置方法，在循环层中使用dropout 来降低过拟合。 堆叠循环层（stacking recurrent layers）：这会提高网络的表示能 阅读全文
posted @ 2020-10-14 14:18
范仁义
阅读(328)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 6.2-3、循环神经网络-理解LSTM层和GRU层 一、总结 一句话总结： SimpleRNN 并不是Keras 中唯一可用的循环层，还有另外两个：LSTM 和 GRU。在实践中 总会用到其中之一，因为 SimpleRNN 通常过于简化，没有实用价值。 1、Simple 阅读全文
posted @ 2020-10-14 01:39
范仁义
阅读(382)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 6.2-2、循环神经网络-IMDB电影评论分类实例 一、总结 一句话总结： model.add(Embedding(max_features, 32)) model.add(SimpleRNN(32)) model.add(Dense(1, activation='si 阅读全文
posted @ 2020-10-14 00:38
范仁义
阅读(529)
评论(0)
推荐(0)
浙公网安备 33010602011771号