跟我学算法-吴恩达老师（正交化， 单实数评估指标, 满足指标, (训练集，开发集， 测试集的分布), 改变指标， 人类的表现 ）
摘要：1.正交化 指使用单个手段来控制一个指标，如样本的偏差过大时，即欠拟合，就采用增加模型复杂程度，来降低样本偏差 2.单实数评估指标单实数评估样本也是我们平时常说的优化指标 accruacy = （tp + tn）/ (tp+fp+tn+fn) precesion = (tp) / (tp+fp) r
阅读全文
posted @
2018-09-30 22:03
python我的最爱
阅读(177)
推荐(0) 编辑
跟我学算法-吴恩达老师（超参数调试, batch归一化, softmax使用，tensorflow框架举例）
摘要：1. 在我们学习中，调试超参数是非常重要的。 超参数的调试可以是a学习率，（β1和β2，ε）在Adam梯度下降中使用, layers层数, hidden units 隐藏层的数目, learning_rate_dacay 学习率衰减, mini-batch size 每次迭代的样本数目 当需要调节的
阅读全文
posted @
2018-09-28 20:21
python我的最爱
阅读(380)
推荐(0) 编辑
跟我学算法-opencv加载，修改，保存
摘要：#include #include #include using namespace cv; int main(int argc, char** argv) { Mat src = imread("C:/Users/Administrator/Desktop/1.png", IMREAD_ANYCOLOR); if (src.empty()) { printf...
阅读全文
posted @
2018-09-26 09:23
python我的最爱
阅读(333)
推荐(0) 编辑
跟我学算法-吴恩达老师(mini-batchsize，指数加权平均，Momentum 梯度下降法，RMS prop， Adam 优化算法， Learning rate decay)
摘要：1.mini-batch size 表示每次都只筛选一部分作为训练的样本,进行训练，遍历一次样本的次数为(样本数/单次样本数目) 当mini-batch size 的数量通常介于1，m 之间 当为1时，称为随机梯度下降 一般我们选择64，128， 256等样本数目 2. 指数加权平均 v0 = 0
阅读全文
posted @
2018-09-25 16:25
python我的最爱
阅读(857)
推荐(0) 编辑
跟我学算法-吴恩达老师（偏差方差，正则化，正则化输入，梯度消失和爆炸，梯度检测）
摘要：1.训练样本的分布 交叉验证指的是训练集和验证集，为了防止在训练过程中受到部分训练样本的影响 一般当样本数目较少时，采用60/20/20的比例，60%的训练集，20%的验证集，20%的测试集当样本数目较大时，一般可以采用2.5%的验证集和1%的测试集，其他都是训练样本。 很多情况下，我们会不适用测试
阅读全文
posted @
2018-09-25 13:59
python我的最爱
阅读(541)
推荐(0) 编辑
跟我学算法-吴恩达老师的浅层神经网络
摘要：浅层神经网络，这里使用的是一个输入层，一个隐层（4个神经元）， 一个输出层 使用sigmoid函数做激活函数，在进行反向传播的梯度下降中，由于导数过小，速度下降会变得很慢,使用非线性激活函数，是为了使得中间层神经元连接是存在意义的. 一般我们在初始化w时，采用随机值做初始化，为了使得不同样本输入，在
阅读全文
posted @
2018-09-20 21:29
python我的最爱
阅读(364)
推荐(0) 编辑
跟我学算法-吴恩达老师的logsitic回归
摘要：logistics回归是一种二分类问题，采用的激活函数是sigmoid函数，使得输出值转换为(0,1)之间的概率 A = sigmoid(np.dot(w.T, X) + b ) 表示预测函数 dz = A - Y ， A 表示的是预测结果， y 表示的是实际结果 cost = -y*logA -
阅读全文
posted @
2018-09-18 23:36
python我的最爱
阅读(470)
推荐(0) 编辑
跟我学算法-对抗生成网络
摘要：对抗生成网络，通过对分别两个矛盾的函数，进行各自的训练，已达到两个函数都能实现各自的最优化，得到的参数就是一个较好的参数 两个对抗函数： 函数一：是判别损失函数，使得判别式的准确率越来越大, 及self.D1被判断为1， self.D2被判断为0 self.loss_d = tf.reduce_me
阅读全文
posted @
2018-09-09 21:09
python我的最爱
阅读(580)
推荐(0) 编辑
跟我学算法- tensorflow 卷积神经网络训练验证码
摘要：使用captcha.image.Image 生成随机验证码，随机生成的验证码为0到9的数字，验证码有4位数字组成,这是一个自己生成验证码，自己不断训练的模型 使用三层卷积层，三层池化层，二层全连接层来进行组合 第一步：定义生成随机验证码图片 第二步： 生成训练样本 第三步： 定义CNN，这里的CNN
阅读全文
posted @
2018-09-03 11:44
python我的最爱
阅读(1172)
推荐(0) 编辑
跟我学算法- tensorflow 实现RNN操作
摘要：对一张图片实现rnn操作，主要是通过先得到一个整体，然后进行切分，得到的最后input结果输出*_w[‘out’] + _b['out'] = 最终输出结果 第一步： 数据载入 第二步： 初始化参数 第三步： 构建RNN函数 第四步： 构建cost函数和准确度函数 第五步： 训练模型， 降低cost
阅读全文
posted @
2018-09-01 22:49
python我的最爱
阅读(747)
推荐(0) 编辑
跟我学算法- tensorflow VGG模型进行测试
摘要：我们使用的VGG模型是别人已经训练好的一个19层的参数所做的一个模型 第一步：定义卷积分部操作函数 第二步：定义卷积操作函数 第三步： 构造文件路径 第四步：训练模型，输出特征图像
阅读全文
posted @
2018-09-01 18:48
python我的最爱
阅读(785)
推荐(0) 编辑
跟我学算法-tensorflow 实现卷积神经网络附带保存和读取
摘要：这里的话就不多说明了，因为上上一个博客已经说明了
阅读全文
posted @
2018-09-01 15:15
python我的最爱
阅读(335)
推荐(0) 编辑
跟我学算法- tensorflow模型的保存与读取 tf.train.Saver()
摘要：save = tf.train.Saver() 通过save. save() 实现数据的加载 通过save.restore() 实现数据的导出 第一步： 数据的载入 第二步： 数据的导出
阅读全文
posted @
2018-09-01 14:44
python我的最爱
阅读(357)
推荐(0) 编辑
跟我学算法-tensorflow 实现卷积神经网络
摘要：我们采用的卷积神经网络是两层卷积层，两层池化层和两层全连接层 我们使用的数据是mnist数据，数据训练集的数据是50000*28*28*1 因为是黑白照片，所以通道数是1 第一次卷积采用64个filter， 第二次卷积采用128个filter，池化层的大小为2*2，我们采用的是两次全连接 第一步：导
阅读全文
posted @
2018-09-01 11:56
python我的最爱
阅读(333)
推荐(0) 编辑
