06 2019 档案

【7-4使用inception-v3做各种图像的识别】
摘要：参考程序： 在inception_model中有这2个文件： 分别长这样： 分类共有1000种结果以及所对应得字符串： 上述字符串及所对应的描述： 程序首先读入这2个文件： 从 uid_lookup_path 中读取的结果存放在 proto_as_ascii_lines中，创建了一个空字典 uid_ 阅读全文
posted @ 2019-06-19 21:58 闪亮可可仙 阅读(656) 评论(0) 推荐(0)
【7-3下载google图像识别网络inception-v3并查看结构】
摘要：参考程序： 程序运行之后，当前路径下生成了2个文件夹： 文件夹中下载的压缩包和解压之后的文件： events文件，查看网络结构： 输入命令行： 2019-06-19 15:23:16 阅读全文
posted @ 2019-06-19 15:24 闪亮可可仙 阅读(514) 评论(0) 推荐(0)
【7-2读取模型saver.restore()】
摘要：模型存储好之后，训练好的参数也会保存，下次就可以直接用训练好的模型来预测了。 初始化权值与偏置值都是0，使用未训练好的模型预测准确率为0.098，读取模型之后，预测准确率0.917。 2019-06-19 10:52:46 阅读全文
posted @ 2019-06-19 10:53 闪亮可可仙 阅读(883) 评论(0) 推荐(0)
【7-1保存模型saver.save()】
摘要：还是以手写数字识别为例，想要保存模型，首先建立一个saver： 通过调用save，自动将session中的参数保存起来： 创建路径为当前路径下net文件夹，运行之后： 2019-06-19 10:38:19 阅读全文
posted @ 2019-06-19 10:39 闪亮可可仙 阅读(4396) 评论(0) 推荐(0)
【6-1】RNN循环神经网络
摘要：一、问题：如何利用神经网络处理序列问题（语音、文本）？ 在MNIST手写数字识别中，输入一张图片，得到一个结果，输入另一张图片，得到另一个结果，输入的样本是相互独立的，输出的结果之间也不会相互影响。也就是说，这时处理的数据是IID（独立同分布）数据，但序列类的数据却不满足IID特征，所以RNN出场了 阅读全文
posted @ 2019-06-18 21:13 闪亮可可仙 阅读(390) 评论(0) 推荐(0)
【1.变量与集合】
摘要：变量：用来记录状态的变化。 基本类型：字符串、数字、列表、元组、字典。 分类：可变与不可变 如此可见：字符串类型就是不可变的（赋予新值时，地址变了） 由此可见：列表是可变的（更改值，地址不变） 同样，数字、元组为不可变类型，字典为可变类型。 访问顺序： 直接访问（变量名）：数字 顺序访问（索引值）： 阅读全文
posted @ 2019-06-11 22:01 闪亮可可仙 阅读(471) 评论(0) 推荐(0)
【5-1】CNN卷积神经网络
摘要：一、这是一个传统的神经网络： 假如输入的是一张1000*1000像素点的图片，输入层v0就会有1M个节点；中间隐藏层v1设有1M个神经元，两层之间的参数就会有1M*1M=10^12个! 权值太多，计算量就会很大，需要的样本也就越大。于是，卷积神经网络出场了。 二、卷积神经网络的层级结构 从图中看出， 阅读全文
posted @ 2019-06-11 18:58 闪亮可可仙 阅读(663) 评论(0) 推荐(0)
【4-2】Tensorboard网络运行
摘要：一、参考代码 首先定义了一个函数variable_summaries()，用来看数据（比如W，b参数）的平均值，标准差，最值和直方图。 tf.summary.scalar('name',tensor)绘制变换的图表，第一项是字符命名，第二项是要记录跟踪的变量。 tf.summary.merge_al 阅读全文
posted @ 2019-06-05 21:33 闪亮可可仙 阅读(282) 评论(0) 推荐(0)
【4-1】Tensorboard网络结构
摘要：一、代码 在之前的基础之上，多加了tf.name_scope()函数，相当于给它起名字了，就可以在Tensorboard中可视化出来。 然后会在当前路径下，生成logs文件夹和里面的文件，在命令行输入命令：tensorboard --logdir=所在路径 在谷歌浏览器上打开链接就能看到结果了。 参 阅读全文
posted @ 2019-06-05 20:15 闪亮可可仙 阅读(347) 评论(0) 推荐(0)