07 2022 档案
摘要:CNN鲜花分类 1、数据集介绍 2、代码实战 2.1 导入依赖 2.2 下载数据 2.3 统计数据集 2.4 创建dataset 2.5 可视化一个batch_size 2.6 将数据集缓存到内存中,加速读取 2.7 搭建模型 2.8 编译模型 2.9 模型训练 2.10 可视化训练结果 3、模型优
阅读全文
摘要:基于mobileNet实现狗的品种分类 一、数据集介绍 二、实战 2.1 数据预处理 2.1.1 第1步:对labels标签的预处理 2.1.2 第2步:对图片数据的预处理 2.2 迁移学习、模型微调 2.3 模型训练、验证、测试 2.4 模型预测 2.5 模型保存 一、数据集介绍 数据集下载地址:
阅读全文
摘要:双向LSTM中文微博情感分类项目 1、数据集说明 2、双向LSTM中文微博情感分类项目实战 1、数据集说明 这里完成一个中文微博情感分类项目。这里我使用的数据集是从新浪微博收集的 12 万条数据,正负样本各一半。标签中 1 表示正面评论,0 表示负面评论。数据来源为https://github.co
阅读全文
摘要:二维卷积中文微博情感分类项目 1、数据集说明 2、二维卷积中文情感分类实战 3、模型预测 1、数据集说明 这里完成一个中文微博情感分类项目。这里我使用的数据集是从新浪微博收集的 12 万条数据,正负样本各一半。标签中 1 表示正面评论,0 表示负面评论。数据来源为https://github.com
阅读全文
摘要:一维卷积英语电影评论情感分类项目 1、一维卷积英语电影评论情感分类项目 1.1 项目数据和模型说明 1.2 一维卷积英语电影评论情感分类程序 1、一维卷积英语电影评论情感分类项目 1.1 项目数据和模型说明 使用一 维卷积对英语文本进行情感分类。我们要使用的数据集是 IMDB 电影评论数据集,数 据
阅读全文
摘要:VAE图片生成实战 1、变分自编码器 2、Reparameterization Trick 3、VAE图片生成实战 3.1 VAE模型 3.2 Reparameterization技巧 3.3 网络训练 3.4 图片生成 4、完整代码 1、变分自编码器 基本的自编码器本质上是学习输入𝒙和隐藏变量�
阅读全文
摘要:自编码器 1、自编码器原理 2、FashionMNIST图片重建实战 2.1 FashionMNIST数据集 2.2 编码器 2.3 解码器 2.4 自编码器 2.5 网络训练 2.6 图片重建 完整代码:https://download.csdn.net/download/qq_43753724/
阅读全文
摘要:Deep Residual Learning for Image Recognition Deep Residual Learning for Image Recognition Abstract 1.Introduction 2.Related Work 3.Deep Residual Learn
阅读全文
摘要:前向传播实战 1、简介 2、前向传播实战 2.1 导入依赖 2.2 加载数据集 2.3 创建每个非线性层的W和b参数 2.4 前向计算 2.5 自动梯度与梯度更新 2.6 完整代码 3、总结 1、简介 我们这里使用张量的基本操作去完成三层神经网络的实现: o u t = R e L U ( R e
阅读全文
摘要:ARIMA差分自回归移动平均模型 1、ARIMA模型理论基础 2、ARIMA建模步骤 3、ARIMA建模实战 3.1 导入模块 3.2 加载数据 3.3 平稳性检验 3.4 单位根检验 3.4 白噪声检验 3.5 模型定阶 3.6 参数估计 3.7 模型的显著性检验 3.8 模型预测 3.8 模型拟
阅读全文
摘要:基于Tensorflow的Quick Draw图像分类 1、数据集介绍 2、Quick Draw图像分类 2.1 数据获取 2.2 设置环境 2.3 数据预处理 2.4 模型创建 2.5 模型训练和测试 2.6 模型保存、加载和重新测试 1、数据集介绍 Google的“Quick Draw”数据集是
阅读全文
摘要:Keras创建ANN模型的四种方法 1、将参数传递给tf.keras.Sequential 2、用tf.keras.Sequential的`.add`方法 3、使用Keras函数式API 4、子类化tf.keras.Model对象 这里以MNIST数据集来介绍Keras创建人工神经网络模型的四种方法
阅读全文
摘要:双向RNN与堆叠的双向RNN 1、双向RNN 2、堆叠的双向RNN 3、双向LSTM实现MNIST数据集分类 1、双向RNN 双向RNN(Bidirectional RNN)的结构如下图所示。 h t → = f ( W → x t +
阅读全文
摘要:LSTM应用于MNIST数据集分类 1、概述 2、LSTM实现 2.1 载入数据集 2.2 创建模型 2.3 定义优化器 2.4 编译模型 2.5 训练模型 2.6 打印模型摘要 2.7 绘制acc和loss曲线 3、CNN实现 1、概述 LSTM网络是序列模型,一般比较适合处理序列问题。这里把它用
阅读全文