摘要：
卷积操作简单罗列： 卷积参数排列： 自定义参数结构的卷积（涉及底层才用）： 最大池化操作： 通过池化将图片反向放大： ReLU操作(去掉图中的负数像素点，即黑点去掉)： 代码实现： 阅读全文
posted @ 2020-09-25 13:12
山…隹
阅读(326)
评论(1)
推荐(0)
摘要：
动量是指在原来的梯度下降基础上，将现在的梯度方向与历史梯度方向融合，根据超参数调节权值，让梯度更缓和并且有可能跳出局部极小值 代码实现： 学习率的动态改变： Dropout 丢弃一些参数，简化模型，减轻过拟合： 因为训练时才需要dropout，所以要区分train还是test（val也属于test） 阅读全文
posted @ 2020-09-20 22:09
山…隹
阅读(810)
评论(0)
推荐(0)
摘要：
参数过多会导致模型过于复杂而出现过拟合现象，通过在loss函数添加关于参数个数的代价变量，限制参数个数，来达到减小过拟合的目的 以下是loss公式： 代码多了一个kernel_regularizer参数 import tensorflow as tf def preporocess(x,y): x 阅读全文
posted @ 2020-09-19 21:30
山…隹
阅读(753)
评论(1)
推荐(0)
摘要：
import tensorflow as tf def preprocess(x, y): x = tf.cast(x, dtype=tf.float32) / 255 - 0.5 y = tf.cast(y, dtype=tf.int32) return x, y batchsz = 128 # 阅读全文
posted @ 2020-09-19 19:28
山…隹
阅读(851)
评论(0)
推荐(0)
摘要：
这里有三种方式保存模型： 第一种： 只保存网络参数，适合自己了解网络结构 第二种： 保存整个网络，可以完美进行恢复 第三个是保存格式。 第一种方式： 实践操作： 第二种方式：（存入整个模型） 第三种方式：（存成工业模型） import tensorflow as tf save_path = 'sa 阅读全文
posted @ 2020-09-14 22:35
山…隹
阅读(2988)
评论(0)
推荐(0)
摘要：
keras.Sequential（build和summary是在网络构造前就观察网络参数）: 阅读全文
posted @ 2020-09-14 20:58
山…隹
阅读(183)
评论(0)
推荐(0)
摘要：
注意： 1. 图片代码中的network变量在后面的代码展示中是model变量 2. 该列子中db中的y是one_hot编码后的 原代码（一个step中的一个batch）: 接口替换后: 原来的for循环每个step与batch： 接口替换后： 此处还没有设置测试的周期（比如前面的step %100 阅读全文
posted @ 2020-09-14 18:09
山…隹
阅读(310)
评论(0)
推荐(0)
摘要：
1. 创建meter 2. 添加数据 3. 展示结果 4. 清除meter 以下代码是在前面随笔中代码的基础上添加的meter相关操作： import tensorflow as tf import datetime def preporocess(x,y): x = tf.cast(x,dtype 阅读全文
posted @ 2020-09-13 15:12
山…隹
阅读(1102)
评论(0)
推荐(0)
摘要：
实时的显示相关数据的图 import tensorflow as tf import datetime def preporocess(x,y): x = tf.cast(x,dtype=tf.float32) / 255 x = tf.reshape(x,(-1,28 *28)) # 铺平 x = 阅读全文
posted @ 2020-08-20 18:04
山…隹
阅读(234)
评论(0)
推荐(0)
摘要：
进入项目路径 输入“ tensorboard --logdir 文件夹名 ” 监听该文件夹 代码中编写将数据写入本地： 1. 标量数据写入： 2. 图片数据写入： 结果展示： 多张图片显示（直接传入多张图片）： 多张图片（将多张图片转化为1张图片）数据写入： 结果展示： import tensorf 阅读全文
posted @ 2020-08-20 17:47
山…隹
阅读(1935)
评论(0)
推荐(1)
浙公网安备 33010602011771号