wqh2216

2019年3月8日

摘要：在迭代训练环节，都是要通过建立一个session来完成的，使用的方式前面已经见过，也即是with语法。测试模型是为了得到准确率或者错误率来描述模型的好坏。使用模型的时候是将前面训练完成并且已经完成的模型保存起来，再通过载入使用。阅读全文

posted @ 2019-03-08 22:10 wqh2216 阅读(443) 评论(0) 推荐(0) 编辑

初始化所有变量

摘要：初始化所有变量也是很重要的一步（掉进这个坑很多次），直接上几行代码：如果不初始化所有的变量，就会报错（坑）阅读全文

posted @ 2019-03-08 21:59 wqh2216 阅读(177) 评论(0) 推荐(0) 编辑

优化函数，优化目标

摘要：当我们设定好正向结构和损失函数以后，我们就要通过优化函数来优化学习参数了，也就是反向传播。所谓反向传播就是沿着正想传播的结构向相反方向将误差传过去。比如使用L1、L2正则化、冲量调节、学习率自适应、adm随机梯度下降算法等。阅读全文

posted @ 2019-03-08 21:54 wqh2216 阅读(241) 评论(0) 推荐(0) 编辑

2019年2月28日

优化函数、优化目标

摘要：有了前面的正向结构和损失函数后，就是通过优化函数来优化学习参数了，在反向传播中完成。反向传播过程就是沿着正向传播的结构向相反的方向将误差传递过去。涉及到的技术有，L1、L2正则化，冲量调节、学习率自适应、adm随机梯度下降算法等等。（记住常用的几个就好）阅读全文

posted @ 2019-02-28 22:47 wqh2216 阅读(291) 评论(0) 推荐(0) 编辑

定义运算

摘要： 1、定义正向传播模型，也就是我们常说的各种神经网络，比如vgg、resnet等等。 2、定义损失函数，损失函数是正向传播中的输出值与目标值之间的误差，是配合反向传播使用的，损失函数几年来基本没有变化。阅读全文

posted @ 2019-02-28 22:29 wqh2216 阅读(347) 评论(0) 推荐(0) 编辑

定义“学习参数”的变量

摘要：学习参数的定义与输入的定义很像，分为直接定义和字典定义两种方法，如果参数过多的话，那么便会采用第二种定义。直接定义：通过字典类型定义“学习参数”：阅读全文

posted @ 2019-02-28 22:04 wqh2216 阅读(211) 评论(0) 推荐(0) 编辑

定义tensorflow的输入节点

摘要：定义tensorflow的输入节点： tensorflow的输入节点定义方式基本上有三种，分别是：通过占位符定义、通过字典类型定义、直接定义。其中最常用的就是通过占位符定义、通过字典类型定义。这两种的区别在于当输入比较多的时候一般使用字典类型定义。下面通过代码来进行详细的解释：通过占位符来进行定义阅读全文

posted @ 2019-02-28 15:18 wqh2216 阅读(1471) 评论(0) 推荐(0) 编辑

2019年2月27日

tensorflow的学习--开始篇

摘要：深度学习可以分为以下几个步骤： 1、准备数据。 2、搭建模型(分为前向搭建模型和反向搭建模型)。 3、迭代训练。 4、使用模型。工欲善其事必先利其器，进行深度学习有很多框架可以选择，比如keras、torch、pytorch等，这里我主要进行了tensorflow的学习，tensorflow开发的阅读全文

posted @ 2019-02-27 23:10 wqh2216 阅读(111) 评论(0) 推荐(0) 编辑

公告