摘要： 今天系主任要求观看机器学习十讲，今天观看的是第一讲。这讲是对于机器学习的基本知识讲解，例如3种训练种类等，并在最后有两个案例的示例（这两个案例是系主任和我们说过的）。这部分可以作为对先前的深度学习的铺垫，从这一部分就解决了我先前的一小部分疑惑。 阅读全文

摘要： 本次的视讯也是明显的被截取感。讲的是加载一个别人所训练好的VGG网络模型的直到加载每一层的W和B的过程。不过仍然有些许不懂且未讲到的地方。不知道是文件格式所限还是什么，如果给出模型的人未给出模型的数据结构，将需要一层层地shape去自行分析，这会非常麻烦。虽然有些无关，但是这个案例让我让认识到了撰写 阅读全文

摘要： 今天的部分是简易的神经网络结构的文件保存。可以通过给定的函数保存每次epoch的各个节点数据，并且可以通过参数制定只保存最新的第N个，之后可以通过另一个函数读取出来直接使用。不过实例中可以看出是基于TF1.X的Session机制的，在网上查到的适用于TF2.0的与其有一定不同。 阅读全文

摘要： 今天的部分是简易卷积神经网络的后半部分。经过一个简单讲解之后我算是明白了我以前对卷积神经网络的理解可能有一些偏差。同时，这部分是流程的定义，其中pooling,卷积计算等都是通过对应函数经行定义，无需关心实现的细节。在对流程进行定义之后，剩下的部分写法就和先前的案例一模一样了。框架的优点就在于此。 阅读全文

摘要： 今天是卷积神经网络模型架构的部分。和先前一样，是被硬性截取出来的架构搭建部分。 案例仍然是使用MNIST数据集的数字识别，本篇主要讲解的是模型的构建。先要画出整个卷积神经网络的模型，然后再初始化各个变量（权重项和偏置项）。但是个人虽然看了了解了各个参数对应的什么意义并在自行网路上看了一定的讲解，但对 阅读全文

摘要： 今天是简易神经网络模型架构的后半部分。 结合后半部分来看个人感觉其实和先前的逻辑回归、线性回归非常相似。由于使用的是框架，很多时候就调用提供的函数算权重、优化网络等，视讯中也说了这些细节实际上的实现比较复杂，但是我们不用了解直接拿来用就行了。 以前系主任说这些实际上无需关心具体算法实现，选用好合适的 阅读全文

摘要： 今天是神经网络架构模型的部分。与上次一样，这次的结尾很唐突，只讲到了神经网络的初始化步骤。同时，根据讲解的一些基本知识和设计感觉可能会用到上节里用于训练逻辑回归的方法 阅读全文

摘要： 今天看了之后的视讯才发现所给之视频教程关于这个的部分近乎是被强行分开来的。 但就算连在一起也未讲得多细致，很多地方仍有缺失感。 不过对于上篇所使用的网路上的代码的理解也好了很多——毕竟两者之间除了所使用的函数等因为版本问题略有不同之外，整体两者之间几乎是一模一样，包括参数名。 同时也理解到了可能无法 阅读全文

摘要： 今天是看的逻辑回归的案例。和先前一样，由于使用的TF2.0改用了网络上的代码。 同时，虽然代码成功运行，但是逻辑回归算法的原理和很多地方的“为什么这么写”仍然没有弄得很清楚。目前正在参考一篇博客（链接https://blog.csdn.net/weixin_39445556/article/deta 阅读全文

摘要： 今天是Mnist数据集的简介，这个数据集看样子是一个对于文字(数字)识别的数据集。 但是很不幸，在个人所安装的TF2.0中无法通过 from tensorflow.examples.tutorials.mnist import input_data 导入Mnist数据集，使用拷贝到的数据集运行亦会在 阅读全文