摘要：
sudo apt-get install mysql-server sudo apt install mysql-client sudo apt install libmysqlclient-dev 阅读全文
posted @ 2018-09-22 09:36
超级学渣渣
阅读(169)
评论(0)
推荐(0)
摘要：
不想整理代码了。先给个结果图： loss这么大，结果这么准确。我也搞不懂是怎么肥事呀。 AUC也没什么问题。暂时认为是好的吧。 下面是源码dataUtil用来对数据预处理： import pandas as pd import numpy as np def load_csv(filename): 阅读全文
posted @ 2018-08-27 19:35
超级学渣渣
阅读(6894)
评论(0)
推荐(0)
摘要：
机器学习离不开数据，数据分析离不开pandas。昨天感受了一下，真的方便。按照一般的使用过程，将pandas的常用方法说明一下。 首先，我们拿到一个excel表，我们将之另存为csv文件。因为文件是实验室的资源，我就不分享了。 首先是文件读取 我们调用read_csv文件可以直接读取csv文件。其返 阅读全文
posted @ 2018-08-27 11:05
超级学渣渣
阅读(395)
评论(0)
推荐(0)
摘要：
使用tf.train.Saver()保存到checkpoint文件，我们可以用tensorflow查看。 阅读全文
posted @ 2018-08-25 20:36
超级学渣渣
阅读(178)
评论(0)
推荐(0)
摘要：
我们通过tf.train.Saver()来保存和重载变量 实现是保存 通过调用saver的save方法来保存，返回一个str，代表了路径。 然后展示的是我们保存部分变量和重载： 如果Saver中不传入参数，则会将所有的变量都保存。传入字典，则会按照字典中的key-value对变量进行保存。 对于不需 阅读全文
posted @ 2018-08-25 20:32
超级学渣渣
阅读(161)
评论(0)
推荐(0)
摘要：
代码写的再好，没有图别人也不知道好在哪。 我们在使用tensorflow的时候，使用tensorboard可以直观的看到我们的网络结构，甚至它可以计算卷积和池化的维度（我不知道是不是因为我已经运行了一遍，所以维度显示出来了） 首先是开启tensorboard的代码： 因为我用pip下载了tensor 阅读全文
posted @ 2018-08-25 19:45
超级学渣渣
阅读(393)
评论(0)
推荐(0)
摘要：
算的的上是自己搭建的第一个卷积神经网络。网络结构比较简单。 输入为单通道的mnist数据集。它是一张28*28，包含784个特征值的图片 我们第一层输入，使用5*5的卷积核进行卷积，输出32张特征图，然后使用2*2的池化核进行池化 输出14*14的图片 第二层 使用5*5的卷积和进行卷积，输出64张 阅读全文
posted @ 2018-08-25 16:38
超级学渣渣
阅读(4760)
评论(0)
推荐(0)
摘要：
从昨天晚上，到今天上午12点半左右吧，一直在调这个代码。最开始训练的时候，老是说loss：nan 查了资料，因为是如果损失函数使用交叉熵，如果预测值为0或负数，求log的时候会出错。需要对预测结果进行约束。 有一种约束方法是：y_predict=max(y,（0,1e-18])。也就是将小于0的数值 阅读全文
posted @ 2018-08-25 14:35
超级学渣渣
阅读(531)
评论(0)
推荐(0)
摘要：
不做卷积，只是增加多层神经网络层。 #-*- encoding:utf-8 -*- #!/usr/local/env python import numpy as np import tensorflow as tf from tensorflow.examples.tutorials.mnist 阅读全文
posted @ 2018-08-24 20:45
超级学渣渣
阅读(450)
评论(0)
推荐(0)
摘要：
我们不做卷积。直接将x输入到网络中去。最后用softmax作为激活函数 大概结构，我这里没法上传，等我回去在传。 阅读全文
posted @ 2018-08-24 20:26
超级学渣渣
阅读(594)
评论(0)
推荐(0)
浙公网安备 33010602011771号