随笔分类 -  Deep Learning

1
摘要:首先,我学习了一下google的CoLab的在线代码编辑功能,更新了以前的两个学习的项目: 1)CIFAR10与改进的VGG13 https://www.cnblogs.com/heze/p/12292536.html 2)CIFAR10与ResNet18 https://www.cnblogs.c 阅读全文
posted @ 2020-05-24 18:46 Z_He 阅读(499) 评论(3) 推荐(0) 编辑
摘要:3个Github相关项目介绍 (1)32 Star 它源于Kaggle2017年的竞赛题,结果:训练4000次,2小时,GTX1070,DICE系数0.78; 预测512张,有96%的效果。 (2)2 Star 看不懂,似乎有一点(1)的影子 (3)Newest 简单,代码没给全。 总结: 1、参考 阅读全文
posted @ 2020-05-04 09:12 Z_He 阅读(476) 评论(0) 推荐(1) 编辑
摘要:U-Net网络模型属于全卷积神经网络的一种,是一个有监督的端到端的图像分割网络,由弗莱堡大学Olaf在ISBI举办的细胞影像分割比赛中提出的[1]。其网络结构形式字母U,如图,命名为U-Net,网络主要由两部分,收缩路径(编码层)和扩展路径(解码层),前者主要用于提取图片的上下信息,后者用于对图片中 阅读全文
posted @ 2020-05-01 22:46 Z_He 阅读(1574) 评论(0) 推荐(0) 编辑
摘要:关于tensorflow学习的部分,我不会再做更新,但是以后有时间会细化其中的内容,加强深度! 学以致用,学习的高层次,也是最难的,因为在用的过程中会面临各种未学过的问题! 不给自己定个目标,不然永远都不会开始。 将项目分为以下: (1)学习Unet网络相关架构,总结经验。 (2)下载经典数据集,跑 阅读全文
posted @ 2020-04-18 09:55 Z_He 阅读(709) 评论(0) 推荐(0) 编辑
摘要:DCGAN网络的结构: 代码包括: 数据: 1 import tensorflow as tf 2 import multiprocessing 3 4 5 def make_anime_dataset(img_paths, batch_size, resize=64, drop_remainder 阅读全文
posted @ 2020-03-01 17:38 Z_He 阅读(3172) 评论(1) 推荐(0) 编辑
摘要:这里就不更新上一文中LSTM情感分类问题了, 它只是网络结构中函数,从而提高准确率。 这一篇更新自编码器的图像重建处理, 网络结构如下: 代码如下: 1 import os 2 import numpy as np 3 import tensorflow as tf 4 from tensorflo 阅读全文
posted @ 2020-02-28 22:27 Z_He 阅读(1473) 评论(0) 推荐(1) 编辑
摘要:网络结构: 代码如下: 1 # encoding: utf-8 2 import tensorflow as tf 3 from tensorflow import keras 4 from tensorflow.keras import layers, losses, optimizers, Mo 阅读全文
posted @ 2020-02-23 18:01 Z_He 阅读(1350) 评论(2) 推荐(0) 编辑
摘要:ResNet网络结构如下: 采用模型和数据分离的代码方式,模型如下: 1 # encoding: utf-8 2 import tensorflow as tf 3 from tensorflow.keras import optimizers, datasets, Model, layers, S 阅读全文
posted @ 2020-02-23 11:05 Z_He 阅读(1260) 评论(0) 推荐(0) 编辑
摘要:网络结构如下: 代码如下: 1 # encoding: utf-8 2 import tensorflow as tf 3 from tensorflow import keras 4 from tensorflow.keras import layers, Sequential, losses, 阅读全文
posted @ 2020-02-10 20:21 Z_He 阅读(932) 评论(0) 推荐(0) 编辑
摘要:网络结构如下: 代码如下: 1 # encoding: utf-8 2 3 import tensorflow as tf 4 from tensorflow import keras 5 from tensorflow.keras import layers, Sequential, losses 阅读全文
posted @ 2020-02-01 13:20 Z_He 阅读(962) 评论(0) 推荐(0) 编辑
摘要:解决拟合与过拟合问题的方法: 一、网络层数选择 代码如下: 1 # encoding: utf-8 2 3 import tensorflow as tf 4 import numpy as np 5 import seaborn as sns 6 import os 7 import matplo 阅读全文
posted @ 2020-01-13 22:13 Z_He 阅读(902) 评论(0) 推荐(1) 编辑
摘要:代码如下: # encoding :utf-8 import io # 文件数据流 import datetime import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras # 导入常见网 阅读全文
posted @ 2020-01-03 15:30 Z_He 阅读(2131) 评论(0) 推荐(0) 编辑
摘要:# encoding :utf-8 import tensorflow as tf from tensorflow import keras # 导入常见网络层, sequential容器, 优化器, 损失函数 from tensorflow.keras import layers, Sequent 阅读全文
posted @ 2020-01-03 15:19 Z_He 阅读(1055) 评论(0) 推荐(0) 编辑
摘要:数据集为: 代码为: 1 # encoding: utf-8 2 3 import tensorflow as tf 4 import numpy as np 5 import seaborn as sns 6 import matplotlib.pyplot as plt 7 from sklea 阅读全文
posted @ 2019-12-29 17:56 Z_He 阅读(1974) 评论(0) 推荐(0) 编辑
摘要:Himmelblua函数在(-6,6),(-6,6)的二维平面上求极值 函数的数学表达式:f(x, y) = (x**2 + y -11)**2 + (x + y**2 -7)**2; 如下图所示 等高线如下图所示: 代码如下: # encoding: utf-8 import tensorflow 阅读全文
posted @ 2019-12-29 17:37 Z_He 阅读(460) 评论(0) 推荐(0) 编辑
摘要:每个输出节点与全部的输入节点相连接,这种网络层称为全连接层,本质上是矩阵的相乘和相加运算; 由神经元相互连接而成的网络叫做神经网络,每一层为全连接层的网络叫做全连接网络; 6.5解释了为什么预处理数据到0-1才合适的原因。 影响汽车的每加仑燃油英里数的有气缸数,排量,马力,重量,加速度,生产低和年份 阅读全文
posted @ 2019-12-26 22:03 Z_He 阅读(803) 评论(0) 推荐(0) 编辑
摘要:这次的mnist学习加入了测试集,看看学习的准确率,代码如下 # encoding: utf-8 import tensorflow as tf import matplotlib.pyplot as plt #加载下载好的mnist数据库 60000张训练 10000张测试 每一张维度(28,28 阅读全文
posted @ 2019-12-22 20:52 Z_He 阅读(1674) 评论(1) 推荐(0) 编辑
摘要:用tensorflow2.0 版回顾了一下mnist的学习 代码如下,感觉这个版本下的mnist学习更简洁,更方便 关于tensorflow的基础知识,这里就不更新了,用到什么就到网上搜索相关的知识 # encoding: utf-8 import numpy as np import tensor 阅读全文
posted @ 2019-12-21 14:21 Z_He 阅读(2286) 评论(0) 推荐(0) 编辑
摘要:线性回归问题 1 # encoding: utf-8 2 3 import numpy as np 4 import matplotlib.pyplot as plt 5 6 data = [] 7 for i in range(100): 8 x = np.random.uniform(-10., 阅读全文
posted @ 2019-12-16 15:12 Z_He 阅读(1215) 评论(3) 推荐(0) 编辑
摘要:虽说是按《TensorFlow深度学习》这本书来学习的,但是总会碰到新的问题!记录下这些问题,有利于巩固知新。 之前学过一些tensorflow1.0的知识,到RNN这章节,后面没有再继续下去,这里又重新开始学习tensorflow2.0,想必会有豁然开朗的感觉。 环境搭建:Anaconda+CUD 阅读全文
posted @ 2019-12-13 09:30 Z_He 阅读(351) 评论(0) 推荐(0) 编辑

1
点击右上角即可分享
微信分享提示