01 2020 档案

cs231n笔记：最优化
摘要：本节是cs231n笔记：最优化，并介绍了梯度下降方法，然后应用到逻辑回归中。 引言 在上一节线性分类器中提到，分类方法主要有两部分组成： 1. 基于参数的评分函数。能够将样本映射到类别的分值。 2. 损失函数。用来衡量预测标签和真实标签的一致性程度。 这一节介绍第三个重要部分：最优化（optimiz 阅读全文
posted @ 2020-01-30 22:07 重大的小鸿 阅读(199) 评论(0) 推荐(0)
matplotlib之__main__:1: UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure.
摘要：如果遇到问题： __main__:1: UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure. 解决方案： 在程序中增加一条语句： import ma 阅读全文
posted @ 2020-01-21 12:29 重大的小鸿 阅读(4825) 评论(0) 推荐(1)
matplotlib将多个图显示在一张图像上
摘要：将多张图显示在一张图像上 import matplotlib.pyplot as plt images.shape [20,512,512] for i in range(20): plt.subplot(4 , 5 , i+1) plt.imshow(images[i, :, :] # 通过for 阅读全文
posted @ 2020-01-21 11:19 重大的小鸿 阅读(6301) 评论(0) 推荐(0)
tf.nn.softmax
摘要：tf.nn.softmax( logits, axis = None, name = None dim = None ) 作用：softmax函数的作用就是归一化。 输入：全连接层（往往是模型的最后一层）的值，一般代码中叫做logits 输出：归一化的值，含义是属于该位置的概率，一般代码叫做prob 阅读全文
posted @ 2020-01-20 17:46 重大的小鸿 阅读(2189) 评论(0) 推荐(0)
tf.InteractiveSession()与tf.Session()
摘要：tf.InteractiveSession():它能让你在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。这对于工作在交互环境中的人们来说非常便利，例如IPython。 tf.Session():需要在启动session之前构建整个计算图，然后启动该计算图。 意思 阅读全文
posted @ 2020-01-18 09:48 重大的小鸿 阅读(254) 评论(0) 推荐(0)
归一化、标准化、正则化的区别
摘要：归一化（Normalization）是为了消除不同数据之间的量纲，方便数据比较和共同处理，比如在神经网络中，归一化可以加快训练网络的收敛性； 1. 把数据变为（0，1）之间的小数，主要是为了方便数据处理，因为将数据映射到0~1范围之内，可以使处理过程更加便捷、快速。 2. 把有量纲表达式变换为无量纲 阅读全文
posted @ 2020-01-16 21:38 重大的小鸿 阅读(2971) 评论(0) 推荐(2)