01 2021 档案
摘要：注：——原文 概述 上一节我们使用“横纵式”教学法中的纵向极简方案快速完成手写数字识别任务的建模，但模型测试效果并未达成预期。我们换个思路，从横向展开，如 图1 所示，逐个环节优化，以达到最优训练效果。本节主要介绍手写数字识别模型中，数据处理的优化方法。 图1：“横纵式”教学法 — 数据处理优化 上
阅读全文
摘要：注：——原文 通过极简方案构建手写数字识别模型 上一节介绍了创新性的“横纵式”教学法，有助于深度学习初学者快速掌握深度学习理论知识，并在过程中让读者获得真实建模的实战体验。在“横纵式”教学法中，纵向概要介绍模型的基本代码结构和极简实现方案，如 图1 所示。本节将使用这种极简实现方案快速完成手写数字识
阅读全文
摘要：注：原文 使用飞桨构建波士顿房价预测模型(基础API) 本书中的案例覆盖计算机视觉、自然语言处理和推荐系统等主流应用场景，所有案例的代码结构完全一致，如 图1 所示。 图1：使用飞桨框架构建神经网络过程 在之前的章节中，我们学习了使用Python和Numpy构建波士顿房价预测模型的方法，本节课我们将
阅读全文
摘要：注：来源于——深度学习常用Python库 Python被大量应用在数据挖掘和深度学习领域，其中使用极其广泛的是Numpy、pandas、Matplotlib、PIL等库。 numpy是Python科学计算库的基础。包含了强大的N维数组对象和向量运算。 pandas是建立在numpy基础上的高效数据分
阅读全文
摘要：深度学习离不开数学分析（高等数学）、线性代数、概率论等知识，更离不开以编程为核心的动手实践。 无论是在机器学习还是深度学习中，Python 已经成为主导性的编程语言。而且，现在许多主流的深度学习框架都提供Python接口，Python被用于数据预处理、定义网络模型、执行训练过程、数据可视化等 熟悉
阅读全文
摘要：标注 代码 x1=np.linspace(-5,5,50) y1=2*x1+2 plt.figure(num=1,figsize=(8,4)) plt.plot(x1,y1,color='black',linewidth=1) #gea是'get current axis'的简写，也就是把轴拿出来
阅读全文
摘要：向量化 Logistic 回归的梯度输出 回顾 前面我们已经通过初始化dw为一个列向量去除了第二个for循环 J=0;dw=np.zeros((n,1));db=0; for i = 1 to m z(i) = wx(i)+b; a(i) = sigmoid(z(i)); J += -[y(i)lo
阅读全文
摘要：m个样本的梯度下降 回顾 上节课我们求得的是单一训练样本的梯度下降，并且得到了一些式子 之前我们讲成本函数 J (w,b) 是m项各个损失的平均值 那么，dw1，dw2和db添上上标i，表示的是单一训练样本下的取值。所以要求全局成本函数 J (w,b) 对w1的微 分同样是各项损失对
阅读全文
摘要：简单神经网络 概念 代码 import numpy as np import tensorflow.compat.v1 as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import inpu
阅读全文
摘要：figure 语法说明 figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True) """ num : 图像编号或名称，数字为编号，字符串为名称 figsize : 指定figure的宽
阅读全文
摘要：代码加注释 import numpy as np import tensorflow.compat.v1 as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data
阅读全文
摘要：Mnist数据集 完整代码 import numpy as np import tensorflow.compat.v1 as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import inp
阅读全文
摘要：Logistic回归损失函数 损失函数（loss） 损失函数又叫做误差函数，用来衡量算法的运行情况，是预测值与实际值的差距，Loss function :L*(y^,*y) 衡量的是算法在单个训练样本中表现 损失函数越小，说明预测输出值和实际值越接近 在线性回归中我们看到损失函数的式子是用预测值和实
阅读全文
摘要：一、学习视频自我小结 二元分类 1、计算机保存一个图片，通过保存红、绿、蓝三个颜色的像素矩阵。 2、这些像素值提取出来，然后放入一个特征向量 x ,如果图片的大小为64x64像素，那么向量 x 的总维度，将是64乘以64乘以3，这是三个像素矩阵中像素的总量 3、二分类问题中，我们的目标就是习得一个分
阅读全文
摘要：一、作业地址 二、错题思考 第4题：也许之前的一些经验可能会有所帮助，但没有人总是可以找到最佳模型或超参数而无需迭代多次 第7题：单纯的看以上数据的话就是非结构化数据，但是这些数据都被整合到了数据集里面，所以是结构化数据 结构化数据：即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据。
阅读全文
摘要：一、什么是神经网络（吴恩达教授视频笔记） 假设你有一个房子信息的数据集（六个房子的信息），房子信息可能是房屋面积，然后就可以拟合一个根据房屋面积预测房价的函数。 根据我们以前的数学基础，我们可以根据数据集做出一个xy轴的散点图，然后根据线性回归大致拟合出一条直线 因为价格是不可以为负数的，所以拟合的
阅读全文
摘要：这几天看老师发的TensorFlow学习视频，很多运行出来了，但是讲解的很多概念实在是不了解，于是决定简单的学习一下——深度学习 在网上查看了很多的入门视频，发现得有一定的计划才能更好的学习，于是找到了这篇良心博客深度学习入门计划自己稍微结合自身情况总结一下（搬运工） 1、吴恩达深度学习课程 2、吴
阅读全文
摘要：我通过三个实例代码的学习了解到了线性回归的大致概念 一、实例一 import numpy as np import tensorflow.compat.v1 as tf import matplotlib.pyplot as plt tf.disable_v2_behavior() # 随机生成10
阅读全文
摘要：一、安装 之前已经安装过anaconda 2、打开Anaconda Prompt命令行，创建Tensorflow环境 因为我的anaconda安装的python是3.7.6版本，不支持tensorflow，这里配置新的python3.5环境，此处tensorflow为环境名称。 conda crea
阅读全文
浙公网安备 33010602011771号