Fork me on GitHub

随笔分类 -  tensorflow

Tensorflow实战第十一课（RNN Regression 回归例子 ）
摘要：本节我们会使用RNN来进行回归训练（Regression），会继续使用自己创建的sin曲线预测一条cos曲线。 首先我们需要先确定RNN的各种参数： 定义一个数据生成的get_batch function： 定义LSTMRNN的主体结构 使用一个class来定义这次的LSTMRNN会更加的方便，第一 阅读全文
posted @ 2019-08-13 16:02 鲍鲍tql 阅读(1172) 评论(1) 推荐(0)
Tensorflow实战第十课（RNN MNIST分类）
摘要：设置RNN的参数 我们本节采用RNN来进行分类的训练（classifiction）。会继续使用手写数据集MNIST。 让RNN从每张图片的第一行像素读到最后一行，然后进行分类判断。接下来我们导入MNIST数据并确定RNN的各种参数（hyper-parameters） 注： 参数（parameters 阅读全文
posted @ 2019-08-12 16:58 鲍鲍tql 阅读(542) 评论(0) 推荐(0)
Tensorf实战第九课（自编码AutoEncoder）
摘要：本节我们将了解神经网络进行非监督形式的学习，即autoencoder自编码 假设图片经过神经网络后再输出的过程，我们看作是图片先被压缩然后解压的过程。那么在压缩的时候，原有的图片质量被缩减，解压时用信息量小却包含所有关键信息的文件恢复出原本的图片。 为什么要这么做呢？ 因为当神经网络接收大量信息时， 阅读全文
posted @ 2019-08-09 16:24 鲍鲍tql 阅读(480) 评论(0) 推荐(0)
TensorFlow实战第八课（卷积神经网络CNN）
摘要：首先我们来简单的了解一下什么是卷积神经网路（Convolutional Neural Network） 卷积神经网络是近些年逐步兴起的一种人工神经网络结构, 因为利用卷积神经网络在图像和语音识别方面能够给出更优预测结果, 这一种技术也被广泛的传播可应用. 卷积神经网络最常被应用的方面是计 算机的图像 阅读全文
posted @ 2019-08-06 17:31 鲍鲍tql 阅读(770) 评论(0) 推荐(0)
TensorFlow实战第七课（dropout解决overfitting）
摘要：Dropout 解决 overfitting overfitting也被称为过度学习，过度拟合。他是机器学习中常见的问题。 图中的黑色曲线是正常模型，绿色曲线就是overfitting模型。尽管绿色曲线很精确的区分了所有的训练数据，但是并没有描述数据的整体特征，对新测试的数据适应性比较差。 举个Re 阅读全文
posted @ 2019-08-05 18:25 鲍鲍tql 阅读(721) 评论(0) 推荐(0)
TensorFlow实战第六课（过拟合）
摘要：本节讲的是机器学习中出现的过拟合（overfitting）现象，以及解决过拟合的一些方法。 机器学习模型的自负又表现在哪些方面呢. 这里是一些数据. 如果要你画一条线来描述这些数据, 大多数人都会这么画. 对, 这条线也是我们希望机器也能学出来的一条用来总结这些数据的线. 这时蓝线与数据的总误差可能 阅读全文
posted @ 2019-08-05 14:40 鲍鲍tql 阅读(330) 评论(0) 推荐(0)
TensorFlow实战第五课（MNIST手写数据集识别）
摘要：Tensorflow实现softmax regression识别手写数字 MNIST手写数字识别可以形象的描述为机器学习领域中的hello world。 MNIST是一个非常简单的机器视觉数据集。它由几万张28*28像素的手写数字组成，这些图片只包含灰度值信息。我们的任务就是对这些手写数字进行分类。 阅读全文
posted @ 2019-08-01 11:42 鲍鲍tql 阅读(477) 评论(0) 推荐(0)
TensorFlow实战第四课(tensorboard数据可视化)
摘要：tensorboard可视化工具 tensorboard是tensorflow的可视化工具，通过这个工具我们可以很清楚的看到整个神经网络的结构及框架。 通过之前展示的代码，我们进行修改从而展示其神经网络结构。 一、搭建图纸 首先对input进行修改，将xs，ys进行新的名称指定x_in y_in 这 阅读全文
posted @ 2019-07-31 15:28 鲍鲍tql 阅读(1712) 评论(0) 推荐(0)
TensorFlow实战第三课（可视化、加速神经网络训练）
摘要：matplotlib可视化 构件图形 用散点图描述真实数据之间的关系(plt.ion()用于连续显示) 接下来我们来显示预测数据 每隔50次训练就刷新一次图形 用红色宽度为5的线条来显示我们的预测数据与输入数据之间的关系 并暂停0.1秒来显示观察。 机器学习的结果： 加速神经网络训练 SGD(Sto 阅读全文
posted @ 2019-07-30 10:01 鲍鲍tql 阅读(548) 评论(0) 推荐(0)
TensorFlow实战第二课（添加神经层）
摘要：莫烦tensorflow实战教学 1.添加神经层 首先定义添加神经层函数，有四个参数值，输入值，输入的大小，输出的大小以及激励函数。 我们在这里设置激励函数为空。 然后我们开始定义weights和biases。 因为在生成初试参数时，随机变量(normal distribution)会比全部为0要好 阅读全文
posted @ 2019-07-26 17:28 鲍鲍tql 阅读(570) 评论(0) 推荐(0)
TensorFlow实战第一课（session、Variable、Placeholder、Activation Function）
摘要：莫烦tensorflow教学 1.session会话控制 Tensorflow 中的Session, Session是 Tensorflow 为了控制,和输出文件的执行的语句. 运行session.run() 可以获得你要得知的运算结果, 或者是你所要运算的部分。 我们首先尝试将两个矩阵相乘并输出结 阅读全文
posted @ 2019-07-26 16:47 鲍鲍tql 阅读(422) 评论(0) 推荐(0)