随笔分类 -  Tensorflow

Pytorch在colab和kaggle中使用TensorBoard/TensorboardX可视化
摘要：在colab和kaggle内核的Jupyter notebook中如何可视化深度学习模型的参数对于我们分析模型具有很大的意义，相比tensorflow, pytorch缺乏一些的可视化生态包，但是幸好pytorch1.1官方添加了tensorboard的库，可以直接从TORCH.UTILS.TENS 阅读全文
posted @ 2019-07-03 14:53 杨国峰 阅读(1659) 评论(0) 推荐(0)
防止过拟合：L1/L2正则化
摘要：正则化方法：防止过拟合，提高泛化能力 在训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。其直观的表现如下图所示，随着训练过程的进行，模型复杂度增加，在training data上的error渐渐减小，但是在验证集上的error却反而渐渐增大——因为训练出 阅读全文
posted @ 2018-12-19 20:25 杨国峰 阅读(944) 评论(0) 推荐(0)
Linux终端没有GUI，使用matplotlib绘图
摘要：一、解决警告信息 两种解决方法： 1、python文件中： 在 from matplotlib import pylot 之前，添加代码： 如下： 2、在配置文件中： Linux中，创建文件 ~/.config/matplotlib/matplotlibrc， （其中，~/.config/matpl 阅读全文
posted @ 2018-08-10 11:25 杨国峰 阅读(2068) 评论(0) 推荐(0)
在Keras中使用tensorboard可视化acc等曲线
摘要：1.使用tensorboard可视化ACC，loss等曲线 然后新开一个终端 输入： 之后打开终端给出的网址即可。 2.直接使用matplotlib画出训练LOSS与ACC曲线 第一步： 第二步： 第三步： 阅读全文
posted @ 2018-08-05 20:16 杨国峰 阅读(6228) 评论(0) 推荐(1)
train loss与test loss结果分析
摘要：train loss 不断下降，test loss不断下降，说明网络仍在学习; train loss 不断下降，test loss趋于不变，说明网络过拟合; train loss 趋于不变，test loss不断下降，说明数据集100%有问题; train loss 趋于不变，test loss趋于 阅读全文
posted @ 2018-08-05 20:10 杨国峰 阅读(785) 评论(0) 推荐(0)
Keras中间层输出的两种方式，即特征图可视化
摘要：训练好的模型，想要输入中间层的特征图，有两种方式： 1. 通过model.get_layer的方式。创建新的模型，输出为你要的层的名字。 创建模型，debug状态可以看到模型中，base_model/layers,图中红框即为layer名字，根据你想输出的层填写。最后网络feed数据后，输出的就是中 阅读全文
posted @ 2018-08-05 20:09 杨国峰 阅读(13329) 评论(0) 推荐(1)
TensorFlow GPU 的使用
摘要：一、TensorFlow 设备分配 1、设备分配规则 If a TensorFlow operation has both CPU and GPU implementations, the GPU devices will be given priority when the operation i 阅读全文
posted @ 2018-05-16 21:09 杨国峰 阅读(18714) 评论(0) 推荐(0)