02 2018 档案

卷积神经网络
摘要：优化 池化 Pooling max pooling 理论上，最大池化操作的好处是减小输入大小，使得神经网络能够专注于最重要的元素。最大池化只取覆盖区域中的最大值，其它的值都丢弃。 TensorFlow 提供了 tf.nn.max_pool() 函数，用于对卷积层实现 最大池化 。 tf.nn.max 阅读全文
posted @ 2018-02-24 21:46 james.yj 阅读(142) 评论(0) 推荐(0)
TensorFlow中CNN的两种padding方式“SAME”和“VALID”
摘要："来源" dilation_rate为一个可选的参数，默认为1，这里我们可以先不管它。 整理一下，对于“VALID”，输出的形状计算如下： new_height=new_width=⌈(W–F+1)/S⌉ 对于“SAME”，输出的形状计算如下： new_height=new_width=⌈W/S⌉ 阅读全文
posted @ 2018-02-24 19:59 james.yj 阅读(552) 评论(0) 推荐(0)
tensorflow-解决3个问题
摘要：问题一：对特征归一化 Min Max Scaling: X′=a+(X−Xmin)(b−a)/(Xmax−Xmin) 问题二：用 TensorFlow 创建特征、目标、权重和偏置项 tensor。 问题三：调整学习率，epochs 和 batch size 来获取最高准确率 阅读全文
posted @ 2018-02-24 13:04 james.yj 阅读(267) 评论(0) 推荐(0)
激活函数
摘要：激活函数 使用 S 型函数作为隐藏单元上的激活函数,S 型函数的导数最大值为 0.25（如上所示）。这意味着，当你用 S 型函数单元进行反向传播时，网络上每层出现的错误至少减少 75%，如果有很多层，权重更新将很小，这些权重需要很长的训练时间。因此，S 型函数不适合作为隐藏单元上的激活函数。 初识修 阅读全文
posted @ 2018-02-22 22:05 james.yj 阅读(189) 评论(0) 推荐(0)
tensorflow数学运算
摘要：tensorflow数学运算 1. 加法、 减法、乘法、 除法 ` 2. 矩阵相乘，所以你要用 tf.matmul() 函数 不要忘记矩阵相乘的规则，tf.matmul(a,b) 不等于 tf.matmul(b,a)。 阅读全文
posted @ 2018-02-22 21:16 james.yj 阅读(1145) 评论(0) 推荐(0)
tensorflow
摘要：TensorFlow 里的线性函数 y=xW+b 这里W 是连接两层的权重矩阵。输出y，输入x，偏差 b 全部都是向量。 训练神经网络的目的是更新权重和偏差来更好地预测目标。为了使用权重和偏差，你需要一个能修改的 Tensor.这里就需要 tf.Variable 了。 tf.Variable 类创建 阅读全文
posted @ 2018-02-22 21:00 james.yj 阅读(146) 评论(0) 推荐(0)
python dict操作
摘要：初始值设置 self.Q[state]=dict.fromkeys(self.valid_actions,0.0) 阅读全文
posted @ 2018-02-14 11:26 james.yj 阅读(90) 评论(0) 推荐(0)