08 2019 档案
摘要：在我们的实际生活中遇到的问题一般都有多个变量影响，就拿上个例子房价来说，影响房价的因素还有地段、朝向、面积大小等等，所以必须采用多变量，这样拟合的模型才更准确。 模型： 这里考虑了四个因素对房价的影响，如下图所示：变量类型分为x1、x2、x3、x4，其中n表示特征的数量m表示样本数。 根据上面的多变
阅读全文
posted @ 2019-08-11 21:50
也许明天、
摘要：模型 以波特兰市住房价格为例子来引出一个单变量的线性回归问题。给出在不同面积下的住房价格数据集，通过找出其中的相近函数来预测不同面积下的住房价格。如下图所示： 这个是一个监督学习问题，因为我们知晓了房子的面积以及相应面积下的住房价格；这也是一个回归的问题，我们需要预测一个实际的输出——房子的价格。另
阅读全文
posted @ 2019-08-11 17:23
也许明天、
摘要：在参加一个比赛的过程中，接触到了目标检测，了解了主流的目标检测算法R-CNN、FAST-RCNN、YOLO系列以及SSD，并且参加比赛的过程中看了源代码也因此学习了tensorflow框架。但在深入学习的时候发现缺少了一些机器学习以及深度学习的基础知识，于是打算学习一下吴恩达机器学习以及 吴恩达de
阅读全文
posted @ 2019-08-11 15:26
也许明天、
摘要：# 加速神经网络训练 使用梯度下降的时候，有一个问题，就是在网络非常复杂的时候，梯度下降的时候对计算的需求非常高。 常见的几种加速求解cost的最小值的方法：1. Stochastic Gradient Descent (SGD) 2. Momentum 3. AdaGrad 4. RMSProp
阅读全文
posted @ 2019-08-08 20:25
也许明天、
摘要：学习莫凡的tensorflow https://www.bilibili.com/video/av16001891/?p=16 构造一个3层的网络输入层一个结点，隐层10个结点，输出层一个结点 输入层的维度是[n,1]隐层的维度是 [1,10]输出层的维度是[10,1] so,权值矩阵的维度是：we
阅读全文
posted @ 2019-08-08 17:05
也许明天、
摘要：在训练的过程中经常会出现loss=NaN的情况，在网上查了查一般做法是减小学习速率或者增大batch_size。尝试了一下减小学习速率，可以解决问题。但是不明白为什么。所以整理了一下loss为nan的问题。 现在依然不清楚为什么减小学习速率会解决这个问题，请各位不吝赐教。 如果一开始loss就为na
阅读全文
posted @ 2019-08-08 17:01
也许明天、
摘要：参数： input_tensor：要减少的张量.应该有数字类型. axis：要减小的尺寸.如果为None(默认),则缩小所有尺寸.必须在范围[-rank(input_tensor), rank(input_tensor))内. keep_dims：如果为true,则保留长度为1的缩小尺寸. name
阅读全文
posted @ 2019-08-08 16:46
也许明天、
摘要：本文为个人学习记录，学习参考莫凡tensorflow 首先创建一个随机的浮点型的数据集： x_data = np.random.rand(100).astype(np.float32) y_data = x_data*0.2 + 0.1 在随机初始化权重和偏移量： Weights = tf.Vari
阅读全文
posted @ 2019-08-08 16:32
也许明天、
摘要：np.random.normal()正态分布 函数的原型np.random.normal(loc,scale,size)， 功能：该函数用于生成高斯随机分布是随机数， 其中loc表示均值，scale表示方差，size表示输出的size 高斯分布的概率密度函数 使用：
阅读全文
posted @ 2019-08-08 16:19
也许明天、
摘要：格式：numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 功能：在指定的间隔内返回均匀间隔的数字。 返回：num均匀分布的样本，在[start, stop]。这个区间的端点可以任意的被排除在外。
阅读全文
posted @ 2019-08-08 16:13
也许明天、
摘要：定义添加神经层的函数def add_layer(),它有四个参数：输入值、输入的大小、输出的大小和激励函数；在这里我们设置为None没有激活函数。 首先在构建神经网络的时候需要搞清楚每一层矩阵的维度， 在这里的表示方式是： input * weights： 输入层的结点个数是2，隐层是3，input
阅读全文
posted @ 2019-08-08 16:08
也许明天、
摘要：原型： tf.placeholder( dtype, shape=None, name=None ) placeholder 是 Tensorflow 中的占位符，如果想要从外部传入data, 那就需要用到 tf.placeholder()，然后以这种形式传输数据 sess.run(***, fee
阅读全文
posted @ 2019-08-08 15:30
也许明天、
摘要：主要参照莫凡tensorflow学习： 代码： ## 定义#定义一个变量和一个常量 定义一个加法： 初始化，在初始化之前是变量是没有值的： 注意如果tensorflow版本>= 0.12，使用下面语句初始化变量，相反则：使用init = tf.initialize_all_variables()初始
阅读全文
posted @ 2019-08-07 22:19
也许明天、
摘要：代码开头会加上from __future__ import *这样的语句。这样的做法的作用就是将新版本的特性引进当前版本中，也就是说我们可以在当前版本使用新版本的一些特性。 __future__模块还有很多其他功能：整数除法，with 用法，绝对引入（absolute_import）：绝对引入主要是
阅读全文
posted @ 2019-08-07 21:51
也许明天、
摘要：https://blog.csdn.net/xc_zhou/article/details/80637759
阅读全文
摘要：window下Qt+vs配置：https://blog.csdn.net/cxhply/article/details/79512204 https://blog.csdn.net/cxhply/article/details/79512204 参考方案：https://www.xnadevelop
阅读全文
摘要：https://blog.csdn.net/leixiaohua1020/article/details/15811977
阅读全文
posted @ 2019-08-07 17:03
也许明天、
摘要：解决方法：在代码的开头加上一句 参考：ValueError: Variable rnn/basic_rnn_cell/kernel already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in
阅读全文
posted @ 2019-08-03 09:22
也许明天、
摘要：运行结果： y = [0], it's a 'non-cat' picture. Number of training examples: m_train = 209Number of testing examples: m_test = 50Height/Width of each image:
阅读全文
posted @ 2019-08-02 14:29
也许明天、
浙公网安备 33010602011771号