10 2020 档案
摘要：前面都是写的cell版本的GRU和LSTM，比较底层，便于理解原理。 下面的Sequential版不用自定义state参数的形状，使用更简便： import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' ass
阅读全文
摘要：GRU相比于LSTM只有两个门: import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' assert tf.__version__.startswith('2.') # 设置相关底层配置 physical
阅读全文
摘要：相比simplernn多了三个门，记忆、输入、输出 记忆门（遗忘门，1为记住0为遗忘）： 输入门： C： 输出门： 总： 极端条件： 公式： import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' asse
阅读全文
摘要：原来的参数更新代码： 加一个Graddient Clipping后（原理是当梯度高于某个阈值时，自动除以自己的模来达到减小梯度的目的）： 比如下图中设置梯度最大值为15
阅读全文
摘要：import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' assert tf.__version__.startswith('2.') # 设置相关底层配置 physical_devices = tf.con
阅读全文
摘要：patience = 2 意思是最多容忍后两次的数据精度比此次差 validation_splt = 0.2 意思是train数据80%，val数据20%
阅读全文
摘要：当层数>1时的网络结构为： 代码示例：
阅读全文
摘要：import tensorflow as tf import matplotlib .pyplot as plt from PIL import Image import numpy as np import os from myResNet import resnet35 # 设置相关底层配置 p
阅读全文
摘要：import tensorflow as tf # 设置相关底层配置 physical_devices = tf.config.experimental.list_physical_devices('GPU') assert len(physical_devices) > 0, "Not enoug
阅读全文
摘要：import tensorflow as tf class BasicBlock(tf.keras.layers.Layer): def __init__(self, filter_num, stride=1): super(BasicBlock, self).__init__() self.con
阅读全文
