摘要:参考:Python深度学习 P89 目录 定义问题,收集数据集 选择衡量成功的指标 确定评估方法 准备数据 开发比基准更好的模型 扩大模型规模:开发过拟合的模型 模型正则化与调节超参数 一、定义问题,收集数据集 首先,你必须定义所面对的问题。 你的输入数据是什么?你要预测什么? 你面对的是什么类型的
阅读全文
摘要:获取更多的训练数据 减小网络的容量(层数,神经元数量) 添加权重正则化(l1 和 l2) 添加 dropout 添加正则化来防止 overfitting 一种常见的降低 overfitting 的方法就是强制让模型权重只能取较小的值,从而限制模型的复杂度,这使得权重值的分布更加规则(regular)
阅读全文
摘要:目录: 一、相关函数说明 imdb.load_data() numpy array 可以通过 list 将所有索引赋值 善用 enumerate 函数 通过 numpy.array 来对比两个列表相似性 标签为整数,用 sparse_categorical_crossentropy 损失函数 num
阅读全文
摘要:参考:Keras-递归层Recurrent官方说明 参考:Keras-Bidirectional包装器官方说明 LSTM(units=32, input_shape=(10, 64)) units=32:输出神经元个数 input_shape=(10, 64):输入数据形状,10 代表时间序列的长度
阅读全文
摘要:参考:Keras 实现 LSTM 参考:Keras-递归层Recurrent官方说明 参考:GitHub - Keras LSTM 参考:GitHub - Keras BiLSTM LSTM 是优秀的循环神经网络 (RNN) 结构,而 LSTM 在结构上也比较复杂,对 RNN 和 LSTM 还稍有疑
阅读全文
摘要:参考:李宏毅老师YouTube课程-ML Lecture 21-1: Recurrent Neural Network (Part I) 里面用鲜活的例子把复杂的关系剖析开了,通过不同的绘图模式更好理解。(2020年9月23日留) 参考:博客园引用的截图
阅读全文
摘要:参考:Keras - Python Deep Learning Neural Network API Keras With TensorFlow Prerequisites - Getting Started With Neural Networks TensorFlow And Keras GPU
阅读全文
摘要:An Introduction to Neural Networks Build your first neural network with Keras An Introduction to Convolutional Neural Networks Natural Language Proces
阅读全文