2018年7月19日
[DeeplearningAI笔记]卷积神经网络1.4-1.5Padding与卷积步长
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$6 6$大小的图片，使用$3 3$的卷积核设定步长为1，经过卷积操作后得到一个$4 4$的图像。 特征图大小公式 设定原始图像大小为$n n$,卷积核大小为$f f 阅读全文
posted @ 2018-07-19 20:46 WUST许志伟 阅读(3774) 评论(0) 推荐(0) 编辑
[DeeplearningAI笔记]卷积神经网络1.2-1.3边缘检测
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
posted @ 2018-07-19 19:10 WUST许志伟 阅读(3612) 评论(0) 推荐(0) 编辑
2018年7月18日
Tensorboard教程：高维向量可视化
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
posted @ 2018-07-18 16:06 WUST许志伟 阅读(7816) 评论(2) 推荐(0) 编辑
Tensorboard教程：监控指标可视化
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
posted @ 2018-07-18 10:31 WUST许志伟 阅读(1421) 评论(1) 推荐(0) 编辑
2018年7月17日
使用tqdm组件构造程序进度条
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
posted @ 2018-07-17 16:24 WUST许志伟 阅读(341) 评论(1) 推荐(0) 编辑
Tensorboard教程：显示计算图中节点信息
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
posted @ 2018-07-17 15:22 WUST许志伟 阅读(1979) 评论(0) 推荐(0) 编辑
2018年7月16日
Tensorflow命名空间与计算图可视化
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
posted @ 2018-07-16 21:11 WUST许志伟 阅读(2583) 评论(0) 推荐(1) 编辑
使用L2正则化和平均滑动模型的LeNet-5MNIST手写数字识别模型
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
posted @ 2018-07-16 18:38 WUST许志伟 阅读(567) 评论(0) 推荐(0) 编辑
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
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
posted @ 2018-07-16 15:50 WUST许志伟 阅读(412) 评论(0) 推荐(0) 编辑
Tensorflow模型变量保存
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
posted @ 2018-07-16 13:30 WUST许志伟 阅读(2858) 评论(0) 推荐(0) 编辑
2018年7月15日
Tensorflow BatchNormalization详解：4_使用tf.nn.batch_normalization函数实现Batch Normalization操作
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
posted @ 2018-07-15 20:43 WUST许志伟 阅读(9561) 评论(0) 推荐(0) 编辑
Tensorflow BatchNormalization详解：3_使用tf.layers高级函数来构建带有BatchNormalization的神经网络
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
posted @ 2018-07-15 20:21 WUST许志伟 阅读(13244) 评论(0) 推荐(1) 编辑
Tensorflow BatchNormalization详解：2_使用tf.layers高级函数来构建神经网络
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
posted @ 2018-07-15 19:25 WUST许志伟 阅读(1488) 评论(0) 推荐(0) 编辑
Tensorflow BatchNormalization详解：1_原理及细节
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
posted @ 2018-07-15 16:04 WUST许志伟 阅读(497) 评论(0) 推荐(0) 编辑
随机切分csv训练集和测试集
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
posted @ 2018-07-15 14:05 WUST许志伟 阅读(2535) 评论(0) 推荐(0) 编辑
2018年5月26日
tf.session.run()单函数运行和多函数运行区别
摘要： tf.session.run()单函数运行和多函数运行区别 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " problem introduction 这两个语句初看时没有任何区别，但是如果a,b函数恰好是读取example_batch和label_batch这种需要使用到 数据批次输入 阅读全文
posted @ 2018-05-26 11:38 WUST许志伟 阅读(5733) 评论(0) 推荐(0) 编辑
tf.train.batch的偶尔乱序问题
摘要： tf.train.batch的偶尔乱序问题 " " " " " " tf.train.batch的偶尔乱序问题 我们在通过tf.Reader读取文件后，都需要用batch函数将读取的数据根据预先设定的batch_size打包为一个个独立的batch方便我们进行学习。 常用的batch函数有tf.tr 阅读全文
posted @ 2018-05-26 10:09 WUST许志伟 阅读(1186) 评论(0) 推荐(0) 编辑
2018年5月7日
常用标准化方法
摘要： 常用标准化方法 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " Z scores 把数值标准化到Z分数。标准化后的变量均值为0，标准差为1。系统将每一个值减去正被标准化的变量或观测量的均值，再除以标准差。如果原始数据的标准差为0，则所有值置0。 Range 1 to 1 把数值标准化到 阅读全文
posted @ 2018-05-07 11:40 WUST许志伟 阅读(1676) 评论(0) 推荐(0) 编辑
2018年3月15日
numpy数组中冒号和负号的含义
摘要： numpy数组中":"和" "的意义 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 在实际使用numpy时，我们常常会使用numpy数组的 1维度和":"用以调用numpy数组中的元素。也经常因为数组的维度而感到困惑。 总体来说，":"用以表示当前维度的所有子模块 " 1"用以表示当 阅读全文
posted @ 2018-03-15 11:19 WUST许志伟 阅读(1919) 评论(0) 推荐(0) 编辑
2018年3月14日
Tensorflow Batch normalization函数
摘要： Tensorflow Batch normalization函数 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 "stackoverflow上tensorflow实现BN的不同函数的解释" 最近在运行程序时需要使用到Batch normalization方法，虽然网上有很多 阅读全文
posted @ 2018-03-14 13:08 WUST许志伟 阅读(6586) 评论(0) 推荐(1) 编辑
2018年2月24日
TypeError: only integer scalar arrays can be converted to a scalar index
摘要： TypeError: only integer scalar arrays can be converted to a scalar index 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 使用np.random.choice创建list,使用这个List作为Data[] List 阅读全文
posted @ 2018-02-24 14:00 WUST许志伟 阅读(20814) 评论(1) 推荐(1) 编辑
2018年2月22日
Tensorflow在CIFAR-10构建CNN
摘要： 使用Tensorflow在CIFAR 10二进制数据集上构建CNN 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 "Tensorflow机器学习实战指南" "利用Tensorflow读取二进制CIFAR 10数据集" "Tensorflow官方文档" "tf.transpo 阅读全文
posted @ 2018-02-22 15:27 WUST许志伟 阅读(868) 评论(0) 推荐(0) 编辑
Tensorflow读取CIFAR-10数据集
摘要： Tensorflow读取CIFAR 10数据集 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " 参考文献 "Tensorflow官方文档" "tf.transpose函数解析" "tf.slice函数解析" "CIFAR10/CIFAR100数据集介绍" "tf.train.shuff 阅读全文
posted @ 2018-02-22 10:27 WUST许志伟 阅读(3665) 评论(0) 推荐(0) 编辑
2018年2月21日
tf.transpose函数解析
摘要： tf.transpose函数解析 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " tf.transpose(a, perm = None, name = 'transpose') 解释 将a进行转置，并且根据perm参数重新排列输出维度。这是对数据的维度的进行操作的形式。 Detail 阅读全文
posted @ 2018-02-21 20:28 WUST许志伟 阅读(9062) 评论(0) 推荐(2) 编辑
tf.slice函数解析
摘要： tf.slice函数解析 觉得有用的话,欢迎一起讨论相互学习~ " " " " " " tf.slice(input_, begin, size, name = None) 解释 ： 这个函数的作用是从输入数据input中提取出一块切片 切片的尺寸是size，切片的开始位置是begin。 切片的尺寸 阅读全文
posted @ 2018-02-21 19:25 WUST许志伟 阅读(7792) 评论(0) 推荐(1) 编辑