大奥特曼打小怪兽

摘要： TensorFlow程序读取数据一共有3种方法: 供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。 从文件读取数据： 在TensorFlow图的起始， 让一个输入管道从文件中读取数据。 预加载数据： 在TensorFlow图中定义常量或变量来保存 阅读全文

摘要： 随着科研人员在使用神经网络训练时不断的尝试，为我们留下了很多有用的技巧，合理的运用这些技巧可以使自己的模型得到更好的拟合效果。 一 利用异或数据集演示过拟合 全连接网络虽然在拟合问题上比较强大，但太强大的拟合效果也带来了其它的麻烦，这就是过拟合问题。 首先我们看一个例子，这次将原有的4个异或带护具扩 阅读全文

摘要： 多层神经网络非常好理解，就是在输入和输出中间多加一些层，每一层可以加多个神经元。下面的例子是通过加入一个隐藏层后对异或数据进行分类。 一 异或数据集 所谓的"异或数据"是来源于异或操作，可以绘制在直角坐标系中，如下图所示： 我们可以看到这张图很难通过一个直线把这两类数据风格开来，但是我们可以通过类似 阅读全文

摘要： 一般来说，回归不用在分类问题上，因为回归是连续型模型，而且受噪声影响比较大。如果非要应用进入，可以使用logistic回归。logistic回归本质上是线性回归，只是在特征到结果的映射中加入了一层函数映射，即先把特征线性求和，然后使用函数g(z)函数来预测。 下面介绍一个线性逻辑回归的案例，这里被用 阅读全文

摘要： 一 、色彩空间转换 OpenCV中有数百种关于在不同色彩空间之间转换的方法。当前，在计算机中有三种常用的色彩空间：灰度，BGR以及HSV(Hue,Saturation,Value)。 灰度色彩空间是通过去除色彩信息来将其转换成灰阶，灰度色彩空间对中间处理特别有效，比如人脸检测。 BGR，即蓝-绿-红 阅读全文

摘要： 由于随着神经网络层数的增多，需要训练的参数也会增多，随之而来需要的数据集就会很大，这样会造成需要更大的运算资源，而且还要消耗很长的运算时间。TensorFlow提供了一个可以分布式部署的模式，将一个训练任务拆分成多个小任务，配置到不同的计算机上完成协同运算，这样使用计算机群运算来代替单机运算，可以使 阅读全文

摘要： 这一节主要来介绍TesorFlow的可视化工具TensorBoard,以及TensorFlow基础类型定义、函数操作，后面又介绍到了共享变量和图操作。 一 TesnorBoard可视化操作 TensorFlow提供了可视化操作工具TensorBoard。他可以将训练过程中的各种数据展示出来，包括标量 阅读全文

摘要： 在我们使用TensorFlow的时候，有时候需要训练一个比较复杂的网络，比如后面的AlexNet,ResNet,GoogleNet等等，由于训练这些网络花费的时间比较长，因此我们需要保存模型的参数。 编程基础案例中主要讲解模型的保存和恢复，以及使用几个案例使我们更好的理解这一块内容。 一 保存和载入 阅读全文

摘要： 在第一节中我们已经介绍了一些TensorFlow的编程技巧;第一节，TensorFlow基本用法,但是内容过于偏少，对于TensorFlow的讲解并不多，这一节对之前的内容进行补充，并更加深入了解讲解TensorFlow. TesorFlow的命名来源于本身的运行原理。Tensor(张量)意味着N维 阅读全文

摘要： 最近在网上也看了不少相关深度学习的视频，大部分都在讲解原理，对代码的实现讲解较少，为此苦苦寻找一本实战的书籍，黄天不负有心人，终于找到一本很好的书籍，<深度学习之TensorFlow入门、原理与进阶实战>，作者是李金洪。在这里就记录一下我的学习之路，也希望对和我一样在学习深度学习路上迷茫的同学有一定 阅读全文