微信扫一扫打赏支持
上一页 1 ··· 58 59 60 61 62 63 64 65 66 ··· 498 下一页
2020年9月17日
过拟合及常见处理办法整理（总结）
摘要： 过拟合及常见处理办法整理（总结） 一、总结 一句话总结： I、参数过多：减少层数，减少每层节点个数 II、样本过少：增加样本（获取更多样本，在已有样本上操作来增加样本） III、正则化（regularization）：限制权值 Weight-decay：当网络权值较小时，神经元的激活函数工作在线性区 阅读全文
posted @ 2020-09-17 17:34 范仁义 阅读(2697) 评论(0) 推荐(0)
200813_tensorflow2---9、卷积神经网络就是CBAPD（杂）
摘要： 200813_tensorflow2 9、卷积神经网络就是CBAPD（杂） 一、总结 一句话总结： 卷积就是特征提取器，就是C（卷积层）B（批标准化层）A（激活层）P（池化层）D（dropout层） model=tf.keras.models.Sequential([ Conv2D(filters= 阅读全文
posted @ 2020-09-17 03:18 范仁义 阅读(494) 评论(0) 推荐(0)
200813_tensorflow2---8、keras中常用的layer层（杂）
摘要： 200813_tensorflow2 8、keras中常用的layer层（杂） 一、总结 一句话总结： 拉直层：tf.keras.layers.Flatten（） 全连接层：tf.keras.layers.Dense（神经元个数，activation=“激活函数“，kernel_regularize 阅读全文
posted @ 2020-09-17 01:58 范仁义 阅读(312) 评论(0) 推荐(0)
2020年9月16日
Tensorflow2（预课程）---8.1、cifar100分类-层方式
摘要： Tensorflow2（预课程） 8.1、cifar100分类-层方式 一、总结 一句话总结： 全连接神经网络做cifar100分类不行，简单测试一下，准确率才20%，需要换别的神经网络 二、cifar100分类-层方式 博客对应课程的视频位置： 步骤 1、读取数据集 2、拆分数据集（拆分成训练数据 阅读全文
posted @ 2020-09-16 21:59 范仁义 阅读(834) 评论(0) 推荐(1)
Tensorflow2（预课程）---7.1、cifar10分类-层方式
摘要： Tensorflow2（预课程） 7.1、cifar10分类-层方式 一、总结 一句话总结： 可以看到，用全连接层神经网络来对cifar10分类的时候，准确率只有50%左右，可以用卷积神经网络，准确率应该高很多 1、rgb3通道图片处理？ 也是一样打平：model.add(tf.keras.laye 阅读全文
posted @ 2020-09-16 16:43 范仁义 阅读(413) 评论(0) 推荐(0)
Tensorflow2（预课程）---6.1、fashion minist（服装分类）识别-层方式
摘要： Tensorflow2（预课程） 6.1、fashion minist（服装分类）识别-层方式 一、总结 一句话总结： fashion minist数据集和minist数据集非常像，所以模型也可以直接用minist的，训练的效果还不错 二、fashion minist（服装分类）识别-层方式 博客对 阅读全文
posted @ 2020-09-16 02:43 范仁义 阅读(505) 评论(0) 推荐(0)
2020年9月15日
Fashion MNIST数据集介绍
摘要： Fashion MNIST数据集介绍 一、总结 一句话总结： 甲)、Fashion-MNIST和mnist数据集非常相似，都是60000训练10000测试，图片也都是28*28 乙)、不过mnist是手写数字0-9分类，Fashion MNIST是服装的分类（T恤、衣服、裤子、鞋子等） 二、Fash 阅读全文
posted @ 2020-09-15 22:40 范仁义 阅读(3901) 评论(0) 推荐(0)
categorical_crossentropy和binary_crossentropy的区别
摘要： categorical_crossentropy和binary_crossentropy的区别 一、总结 一句话总结： A)、见名知意即可，其实从名字上也可以看出来binary=二元，不可以用于多分类任务， B)、简单地说，binary_crossentropy经常搭配sigmoid分类函数，cat 阅读全文
posted @ 2020-09-15 22:20 范仁义 阅读(1343) 评论(0) 推荐(0)
Tensorflow2（预课程）---5.1、手写数字识别-层方式
摘要： Tensorflow2（预课程） 5.1、手写数字识别-层方式 一、总结 一句话总结： 1、记得归一化：train_x = train_x/255 2、one_hot编码之后，损失函数是：categorical_crossentropy 3、输入数据记得打平：model.add(tf.keras.l 阅读全文
posted @ 2020-09-15 20:22 范仁义 阅读(687) 评论(0) 推荐(0)
Tensorflow2（预课程）---4.1、逻辑回归实例-层方式
摘要： Tensorflow2（预课程） 4.1、逻辑回归实例-层方式 一、总结 一句话总结： 可以看到，相比于mse损失函数，cross entropy函数无论是收敛速度，还是最后的测试集的准确率都更加优秀 # 构建容器 model = tf.keras.Sequential() # 输出层 model. 阅读全文
posted @ 2020-09-15 16:47 范仁义 阅读(210) 评论(0) 推荐(0)
上一页 1 ··· 58 59 60 61 62 63 64 65 66 ··· 498 下一页