摘要：
提取保存的参数进行准确率验证 结果 初始化后没有经过训练的参数准确率低 训练后从模型中提取的参数准确率高 阅读全文
posted @ 2018-11-16 16:46
水木清扬
阅读(813)
评论(0)
推荐(0)
摘要：
打开 cmd 输入命令 jupyter notebook --generate-config可以看到生成文件的路径，这个就是生成的配置文件jupyter_notebook_config.py然后打开这个配置文件，找到#c.NotebookApp.notebook_dir = ' '把它改成c.Not 阅读全文
posted @ 2018-11-16 15:37
水木清扬
阅读(2170)
评论(0)
推荐(0)
摘要：
我们知道神经网络的结构是这样的： 那卷积神经网络跟它是什么关系呢？其实卷积神经网络依旧是层级网络，只是层的功能和形式做了变化，可以说是传统神经网络的一个改进。比如下图中就多了许多传统神经网络没有的层次。 卷积神经网络的层级结构 • 数据输入层/ Input layer • 卷积计算层/ CONV l 阅读全文
posted @ 2018-11-16 13:27
水木清扬
阅读(3894)
评论(0)
推荐(1)
摘要：
https://www.cnblogs.com/skyfsm/p/6806246.html object detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那 阅读全文
posted @ 2018-11-16 13:26
水木清扬
阅读(382)
评论(0)
推荐(0)
摘要：
第二修改部分:(上面的可能运行GPU会耗尽) #coding:utf-8 import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_se 阅读全文
posted @ 2018-11-16 10:48
水木清扬
阅读(324)
评论(0)
推荐(0)
摘要：
原理就不多讲了，直接上代码，有详细注释。 结果 下面来一个简洁版本的 # load MNIST datafrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("Mnist 阅读全文
posted @ 2018-11-16 10:42
水木清扬
阅读(470)
评论(0)
推荐(0)
摘要：
tensorboard可以将训练过程中的一些参数可视化，比如我们最关注的loss值和accuracy值，简单来说就是把这些值的变化记录在日志里，然后将日志里的这些数据可视化。 首先运行训练代码 注意我将训练日志保存在 /home/xxx/logs/ 路径下，打开终端，输入以下命令 tensorboa 阅读全文
posted @ 2018-11-16 10:29
水木清扬
阅读(316)
评论(0)
推荐(0)
摘要：
Tensorflow学习教程 过拟合 回归：过拟合情况 / 分类过拟合 防止过拟合的方法有三种： 1 增加数据集 2 添加正则项 3 Dropout,意思就是训练的时候隐层神经元每次随机抽取部分参与训练。部分不参与 最后对之前普通神经网络分类mnist数据集的代码进行优化，初始化权重参数的时候采用截 阅读全文
posted @ 2018-11-16 10:28
水木清扬
阅读(281)
评论(0)
推荐(0)
摘要：
Tensorflow学习教程 代价函数 二次代价函数(quadratic cost): 其中,C表示代价函数,x表示样本,y表示实际值,a表示输出值,n表示样本的总数。为简单起见,使用一个样本为例进行说明,此时二次代价函数为: 假如我们使用梯度下降法(Gradient descent)来调整权值参数 阅读全文
posted @ 2018-11-16 10:27
水木清扬
阅读(368)
评论(0)
推荐(0)
浙公网安备 33010602011771号