python我的最爱

2018年9月20日

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(358) 评论(0) 推荐(0) 编辑

2018年9月18日

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(455) 评论(0) 推荐(0) 编辑

2018年9月9日

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(579) 评论(0) 推荐(0) 编辑

2018年9月3日

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(1166) 评论(0) 推荐(0) 编辑

2018年9月1日

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) 评论(0) 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(781) 评论(0) 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) 评论(0) 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(356) 评论(0) 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) 评论(0) 推荐(0) 编辑

2018年8月31日

跟我学算法-tensorflow 实现神经网络

摘要：神经网络主要是存在一个前向传播的过程，我们的目的也是使得代价函数值最小化采用的数据是minist数据，训练集为50000*28*28 测试集为10000*28*28 lable 为50000*10, 10分类，每一个结果对应一个label值第一步: 导入数据 # 第二步：初始化参数第三步：阅读全文

posted @ 2018-08-31 23:05 python我的最爱阅读(239) 评论(0) 推荐(0) 编辑