07 2018 档案
摘要：4.2深度卷积网络 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 2.9迁移学习 "迁移学习" 的基础知识已经介绍过，本篇博文将介绍提高的部分。 提高迁移学习的速度 可以将迁移学习模型冻结的部分看做为一个函数，因为每次都要使用这个冻结模型的输出值来训练自己的
阅读全文
摘要：4.2深度卷积网络 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 参考文献 Inception网络 Szegedy C, Liu W, Jia Y, et al. Going deeper with convolutions[J]. 2014:1 9. 2.
阅读全文
摘要：4.2深度卷积网络 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 参考文献 [残差网络] He K, Zhang X, Ren S, et al. Deep Residual Learning for Image Recognition[J]. 2015:7
阅读全文
摘要：4.2深度卷积网络 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 [LeNet] Lécun Y, Bottou L, Bengio Y, et al. Gradient based learning applied to document recognition[J].
阅读全文
摘要：4.1卷积神经网络 " " " " " " "吴恩达老师课程原地址" 1.9池化层 优点 池化层可以缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性。 池化层操作 池化操作与卷积操作类似，但是池化操作是保留池化窗口在扫过原始图像中时的最大值。注意:每个信道都在其单独的信道中执行池化操作。 其
阅读全文
摘要：4.1卷积神经网络 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 1.6多通道卷积 原理 对于一个多通道的卷积操作，可以将卷积核设置为一个立方体，则其从左上角开始向右移动然后向下移动，这里设置Padding模式为VALID，步长为1. 注意:卷积核中的颜色通
阅读全文
摘要：锐捷客户端 您不在许可范围中，请确认您的权限 觉得有用的话,欢迎一起讨论相互学习~ "Follow Me" 问题描述 问题原因 出现此问题的原因是：网络改造后，重新指定了新的网段IP地址，但是由于客户端并无感知，依然使用以前动态获取到的IP地址进行认证，则会提示不在权限范围内，解决方案就是手动操作，
阅读全文
摘要：4.1卷积神经网络 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 1.4Padding 一张大小的图片，使用的卷积核设定步长为1，经过卷积操作后得到一个的图像。 特征图大小公式 设定原始图像大小为,卷积核大小为$f f
阅读全文
摘要：4.1卷积神经网络 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " "吴恩达老师课程原地址" 1.2边缘检测示例 边缘检测可以视为横向边缘检测和纵向边缘检测如下图所示: 边缘检测的原理是通过一个特定构造的卷积核对原始图片进行卷积操作后得到一个特征图，这个特征图恰好能反应图像的边缘。 例
阅读全文
摘要：Tensorflow高维向量可视化 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 强烈推荐 "Tensorflow实战Google深度学习框架" 实验平台: Tensorflow1.4.0 python3.5.0 "MNIST数据集" 将四个文件下载后放到当前目录下的MNI
阅读全文
摘要：Tensorflow监控指标可视化 " " " " " " 参考文献 强烈推荐 "Tensorflow实战Google深度学习框架" 实验平台: Tensorflow1.4.0 python3.5.0 "MNIST数据集" 将四个文件下载后放到当前目录下的MNIST_data文件夹下 "Tensor
阅读全文
摘要：使用tqdm组件构造程序进度条 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 主要代码 效果演示 此处设置N=3000，为一个基本的MNIST手写数字识别程序
阅读全文
摘要：Tensorboard显示计算图节点信息 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 强烈推荐 "Tensorflow实战Google深度学习框架" 实验平台: Tensorflow1.4.0 python3.5.0 TensorFlow不仅可以展示计算图的结构,还可以展
阅读全文
摘要：Tensorflow命名空间与计算图可视化 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 强烈推荐 "Tensorflow实战Google深度学习框架" 实验平台: Tensorflow1.4.0 python3.5.0 Tensorflow可视化得到的图并不仅是将Tens
阅读全文
摘要：使用L2正则化和平均滑动模型的LeNet 5MNIST手写数字识别模型 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 "Tensorflow实战Google深度学习框架" 实验平台: Tensorflow1.4.0 python3.5.0 "MNIST数据集" 将四个文件下
阅读全文
摘要：持久化的基于L2正则化和平均滑动模型的MNIST手写数字识别模型 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 "Tensorflow实战Google深度学习框架" 实验平台: Tensorflow1.4.0 python3.5.0 "MNIST数据集" 将四个文件下载后放
阅读全文
摘要：Tensorflow：模型变量保存 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 "Tensorflow实战Google深度学习框架" 实验平台: Tensorflow1.4.0 python3.5.0 Tensorflow常用保存模型方法 使用tf.train.Saver
阅读全文
摘要：使用tf.nn.batch_normalization函数实现Batch Normalization操作 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 "吴恩达deeplearningai课程" "课程笔记" "Udacity课程"
阅读全文
摘要：Batch Normalization: 使用tf.layers高级函数来构建带有Batch Normalization的神经网络 " " " " " " 参考文献 "吴恩达deeplearningai课程" "课程笔记" "Udacity课程" 在 "使用tf.layers高级函数来构建神经网络"
阅读全文
摘要：Batch Normalization: 使用tf.layers高级函数来构建神经网络 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 "吴恩达deeplearningai课程" "课程笔记" "Udacity课程"
阅读全文
摘要：Batch Normalization: 原理及细节 " " " " " " 参考文献 "吴恩达deeplearningai课程" "课程笔记" "Udacity课程" 为了标准化这些值，我们首先需要计算出批数据中的平均值，如果你仔细看这些代码，你会发现这不是对输入的批数据计算平均值，而是对任意一个
阅读全文
摘要：使用numpy切分训练集和测试集 " " " " " " 序言 在机器学习的任务中，时常需要将一个完整的数据集切分为训练集和测试集。此处我们使用numpy完成这个任务。 iris数据集中有150条数据，我们将120条数据整合为训练集，将30条数据整合为测试集。 "iris.csv下载" 程序
阅读全文
