微信扫一扫打赏支持
上一页 1 ··· 46 47 48 49 50 51 52 53 54 ··· 498 下一页
2020年10月12日
《python深度学习》笔记---5.4-1、卷积网络可视化-可视化中间激活
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)
《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）
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)
matplotlib库曲线平滑
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)
2020年10月11日
《python深度学习》笔记---5.3-3、猫狗分类（使用预训练网络-数据增强的特征提取）
摘要： 《python深度学习》笔记 5.3-3、猫狗分类（使用预训练网络-数据增强的特征提取） 一、总结 一句话总结： 其实就是把vgg16对应的conv_base像层一样放到Sequential中，然后对图片进行数据增强即可 model.add(conv_base) from tensorflow.ke 阅读全文
posted @ 2020-10-11 23:51 范仁义 阅读(608) 评论(0) 推荐(0)
《python深度学习》笔记---5.3-2、猫狗分类（使用预训练网络-实战）
摘要： 《python深度学习》笔记 5.3-2、猫狗分类（使用预训练网络-实战） 一、总结 一句话总结： 【卷积就是特征提取】：从预训练网络训练猫狗分类，可以更加方便的理解卷积层就是特征提取 【使用预训练网络效果非常好】：我们的验证精度达到了约90%，比上一节从头开始训练的小型模型效果要好得多。但从图 中 阅读全文
posted @ 2020-10-11 17:20 范仁义 阅读(817) 评论(0) 推荐(0)
keras读取后缀名为.h5的文件
摘要： keras读取后缀名为.h5的文件 一、总结 一句话总结： 【hdf5存储，get_weights的函数可以查看】：Keras的模型是用hdf5存储的，如果想要查看模型，keras提供了get_weights的函数可以查看： for layer in model.layers: weights = 阅读全文
posted @ 2020-10-11 15:03 范仁义 阅读(440) 评论(0) 推荐(0)
《python深度学习》笔记---5.3-1、猫狗分类（使用预训练网络）
摘要： 《python深度学习》笔记 5.3-1、猫狗分类（使用预训练网络） 一、总结 一句话总结： 【小型图像数据集】：想要将深度学习应用于小型图像数据集，一种常用且非常高效的方法是使用预训练网络。 【用卷积层提取的特征】：使用在ImageNet 上训练的VGG16 网络的卷积基从 猫狗图像中提取有趣的特 阅读全文
posted @ 2020-10-11 00:56 范仁义 阅读(746) 评论(0) 推荐(0)
2020年10月10日
《python深度学习》笔记---5.2-4、猫狗分类（数据增强）
摘要： 《python深度学习》笔记 5.2-4、猫狗分类（数据增强） 一、总结 一句话总结： 相比于之前的基本模型，数据增强只是在对应的train_datagen的ImageDataGenerator中增加了一些数据增强的参数 可以看到，数据增强的效果非常好，测试集准确率从71提升到了83左右 train 阅读全文
posted @ 2020-10-10 23:17 范仁义 阅读(614) 评论(0) 推荐(0)
model.fit中的validation_data的作用
摘要： model.fit中的validation_data的作用 一、总结 一句话总结： Data on which to evaluate the loss and any model metrics at the end of each epoch. Data on which to evaluate 阅读全文
posted @ 2020-10-10 22:52 范仁义 阅读(2228) 评论(0) 推荐(0)
tensorflow:Your input ran out of data; interrupting training. Make sure that your dataset or generator can generate at least steps_per_epoch * epochs batches
摘要： tensorflow:Your input ran out of data; interrupting training. Make sure that your dataset or generator can generate at least steps_per_epoch * epochs 阅读全文
posted @ 2020-10-10 22:28 范仁义 阅读(4940) 评论(0) 推荐(0)
上一页 1 ··· 46 47 48 49 50 51 52 53 54 ··· 498 下一页