摘要：
通常损失函数都可以作为评估指标，如MAE, MSE, CategoricalCrossentropy等也是常用的评估指标，但评估指标不一定可以作为损失函数，例如AUC, Accuracy, Precision。因为评估指标不要求连续可导，而损失函数通常要求连续可导。 阅读全文
posted @ 2022-06-29 22:21
lotuslaw
阅读(75)
评论(0)
推荐(0)
摘要：
一般来说，监督学习的目标函数由损失函数和正则化项组成。（Objective = Loss + Regularization） 阅读全文
posted @ 2022-06-26 21:10
lotuslaw
阅读(80)
评论(0)
推荐(0)
摘要：
深度学习模型一般由各种模型层组合而成，tf.keras.layers内置了非常丰富的各种功能的模型层，如果这些内置模型层不能够满足需求，我们也可以通过编写tf.keras.Lambda匿名模型层或继承tf.keras.layers.Layer基类构建自定义的模型层。其中tf.keras.Lambda匿名模型层只适用于构造没有学习参数的模型层。 阅读全文
posted @ 2022-06-26 16:41
lotuslaw
阅读(94)
评论(0)
推荐(0)
摘要：
激活函数在深度学习中扮演着非常重要的角色，它给网络赋予了非线性，从而使得神经网络能够拟合任意复杂的函数。 阅读全文
posted @ 2022-06-26 15:28
lotuslaw
阅读(41)
评论(0)
推荐(0)
摘要：
特征列 通常用于对结构化数据实施特征工程时候使用，图像或者文本数据一般不会用到特征列。 阅读全文
posted @ 2022-06-26 15:07
lotuslaw
阅读(111)
评论(0)
推荐(0)
摘要：
使用 tf.data API 可以构建数据输入管道，轻松处理大量的数据，不同的数据格式，以及不同的数据转换。 阅读全文
posted @ 2022-06-26 13:38
lotuslaw
阅读(40)
评论(0)
推荐(0)
摘要：
一种简单的思路是定义一个类，并将相关的tf.Variable创建放在类的初始化方法中。而将函数的逻辑放在其他方法中。 阅读全文
posted @ 2022-06-23 23:23
lotuslaw
阅读(47)
评论(0)
推荐(0)
摘要：
被@tf.function修饰的函数应尽量使用TensorFlow中的函数而不是Python中的其他函数；避免在@tf.function修饰的函数内部定义tf.Variable；被@tf.function修饰的函数不可修改该函数外部的Python列表或字典等数据结构变量 阅读全文
posted @ 2022-06-22 22:58
lotuslaw
阅读(30)
评论(0)
推荐(0)
摘要：
有三种计算图的构建方式：静态计算图，动态计算图，以及Autograph，TensorFlow2.0主要使用的是动态计算图和Autograph。 阅读全文
posted @ 2022-06-22 00:15
lotuslaw
阅读(44)
评论(0)
推荐(0)
摘要：
张量的数学运算可以分为标量运算、向量运算、以及矩阵运算。 阅读全文
posted @ 2022-06-20 22:42
lotuslaw
阅读(83)
评论(0)
推荐(0)
浙公网安备 33010602011771号