摘要： xgboost是个准确率很高的集成学习框架，在很多比赛中成绩优异。 大多数的集成学习都使用决策树作为基分类器，主要是因为本身要训练多个分类器，而决策树速度很快，总体时间相对较少。 决策树 在讲xgboost之前，先描述一下决策树，后面要用到这些符号 决策树是把输入x映射到一个叶节点中，这个过程我们记 阅读全文

摘要： cnn发展史 这是imageNet比赛的历史成绩 可以看到准确率越来越高，网络越来越深。 加深网络比加宽网络有效的多，这已是公认的结论。 cnn结构演化图 AlexNet 诞生于2012年，因为当时用了两个GPU（硬件设备差），所以结构图是2组并行 网络结构总共8层，5个卷积层，3个全连接层，最后输 阅读全文

摘要： 图片读取有多种方式，这里先记录几种，以后慢慢更新 tf.read_file 直接读取图片内容，需要解码；输出为Tensor，需要转换数据格式 示例代码 filename = 'myfiles/2.png' img_content = tf.read_file(filename) # 读取图片 img 阅读全文

摘要： tensorflow，tensor就是数据，flow就是流，tensorflow就是数据流 tensorflow 是一个用计算图的形式来表示计算的编程系统，所有的数据和计算都会被转化成计算图上的一个节点，节点之间的边就是数据流（数据流动的轨迹）。 graph 和 session 的关系 tensor 阅读全文

摘要： tf用 tf.train.Saver类来实现神经网络模型的保存和读取。无论保存还是读取，都首先要创建saver对象。 用saver对象的save方法保存模型 保存的是所有变量 保存模型需要session，初始化变量 用法示例 输出 1. global_step 放在文件名后面，起个标记作用 2. s 阅读全文

摘要： 队列 tf与python一样，有多种队列 tf.FIFOQueue 先入先出 tf.RandomShuffleQueue 随机出队 tf.PaddingFIFOQueue 以固定长度批量出列的队列 tf.PriorityQueue 带优先级出列的队列 使用逻辑都类似 tf.FIFOQueue(cap 阅读全文

摘要： 问题描述： 明明安装了numpy，而且经常使用并没有发生错误，却发生如下错误 No module named 'numpy.core._multiarray_umath 解决方法： 1. 可能是由于模型保存时出错，导致模型没有保存成功，此时删掉保存的模型即可 2. numpy版本太低 显示版本 pi 阅读全文

摘要： 官网解释说 tensorflow 读取数据有 3 种方式 1. feed：供给数据，每次迭代 临时 生成数据，喂给 模型 2. 从文件中读取：本文主讲 3. 预加载数据：定义常量或者变量来保存数据，仅适用小数据量 从文件读取有 3 大步骤 1. 生成读取器，不同类型的文件有对应的读取器 2. 把文件 阅读全文

摘要： Batch Normalization，拆开来看，第一个单词意思是批，出现在梯度下降的概念里，第二个单词意思是标准化，出现在数据预处理的概念里。 我们先来看看这两个概念。 数据预处理 方法很多，后面我会在其他博客中专门讲，这里简单回忆下 归一化，x-min/max-min， 标准化，包括标准差标准化 阅读全文

摘要： resnet 又叫深度残差网络 图像识别准确率很高，主要作者是国人哦 深度网络的退化问题 深度网络难以训练，梯度消失，梯度爆炸，老生常谈，不多说 resnet 解决了这个问题，并且将网络深度扩展到了最多152层。怎么解决的呢？ 残差学习 结构如图 在普通的卷积过程中加入了一个x的恒等映射（ident 阅读全文