摘要： 优化器可以通俗的理解成梯度下降那一套流程。 梯度下降 基本流程 a. 损失函数 b. 求导，计算梯度 c. 更新参数 d. 迭代下一批样本 可以对照着理解tf。 tf 优化器 正常使用流程 a. 创建优化器(也就是选择优化方法，只是选择方法，其他什么也没做) b. 指定损失函数和可优化参数 c. m 阅读全文

摘要： cross entropy 交叉熵，tensorflow 对 cross entropy 进行了集成： 1. 二分类和多分类公式集成，共用一个 API； p(x) 真实标签，q(x) 预测概率； 2. 把 sigmoid 、softmax 等集成到 cross entropy 中； 正常情况下，神经 阅读全文

摘要： 基础的LSTM模型，单隐层，隐层单神经元，而实际中一般需要更为复杂的网络结构， 下面借用手写数字的经典案例构造比较复杂的LSTM模型，并用代码实现。 单隐层，隐层多神经元 # -*- coding:utf-8 -*- import tensorflow as tf from tensorflow.e 阅读全文

摘要： 1. xrange：python3 中取消了range函数，把python2中的xrange重新命名为range，所以在python3中直接用range就行。 2. print：python3中print必须带括号，python2中可有可无。 3. python3 竟然可以用中文做变量名 阅读全文

摘要： 玩python很多年，喜欢探索各种方向，也经常被版本搞的很蛋疼，于是... 多版本共存 声明：电脑默认python2，因为我本身是用python2的，为了方便玩tf，才装的python3 1. 安装python3 2. 设置环境变量-path-python3的可执行文件地址 3. 把python3的 阅读全文

摘要： 之前在几篇博客中说到了权重共享，但都觉得不够全面，这里做个专题，以后有新的理解都在此更新。 1. 减少运算只是锦上添花 之前说到权重共享可以减少运算，是的，但这样说好像是可有可无，只是运算量大小的问题，其实不是可有可无的。 2. 权重共享的本质是特征提取 之前说到权重就是模板，我们按照一定的模板来与 阅读全文

摘要： LSTM（Long Short-Term Memory）是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。 LSTM能够很大程度上缓解长期依赖的问题。 LSTM的形象描述 RNN是傻子式的记忆，把所有的事情都记下来，这很容易记忆混乱。 LSTM不同的地 阅读全文

摘要： 首先明确一下，本文需要对RNN有一定的了解，而且本文只针对标准的网络结构，旨在彻底搞清楚反向传播和BPTT。 反向传播形象描述 什么是反向传播？传播的是什么？传播的是误差，根据误差进行调整。 举个例子：你去买苹果，你说，老板，来20块钱苹果（目标，真实值），老板开始往袋子里装苹果，感觉差不多了（预测 阅读全文

摘要： 神经网络的反向传播到底是个什么样的过程？今天就用链式求导揭开这个黑盒子。 这对于理解和设计神经网络很有帮助。 我们使用一个简单的逻辑回归的例子 这里绿色是前向计算，褐红色是反向传播。 0.73是最终输出，1是误差。 可以看到整个计算流程就是上面那个逻辑回归表达式。 好了，误差有了，开始反向传播吧 很 阅读全文

摘要： 之前在softmax多分类中讲到多用交叉熵作为损失函数，这里顺便写个例子，tensorlflow练手。 阅读全文