06 2018 档案
摘要：在机器学习的过程中，我们经常会遇见过拟合的问题。而输入数据或features的维度过高就是导致过拟合的问题之一。。维度越高，你的数据在每个特征维度上的分布就越稀疏，这对机器学习算法基本都是灾难性的。所有出现了很多降维的方法。今天我们要讨论的就是LDA降维。 LDA降维的思路是：如果两类数据线性可分，
阅读全文
摘要：目录： 一、TFRecord输入数据格式 1.1 TFrecord格式介绍 1.2 TFRecord样例程序 二、图像数据处理 2.1TensorFlow图像处理函数 2.2图像预处理完整样例 三、多线程数据输入处理框架 3.1 队列与多线程 3.2输入文件队列 3.3组合训练数据（batching
阅读全文
摘要：一、卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 一
阅读全文
摘要：一、MNSIT数据处理 MNSIT是一个非常有名的手写体数字识别数据集。包含60000张训练图片，10000张测试图片。每张图片是28X28的数字。 TonserFlow提供了一个类来处理 MNSIT数据。这个类会自动下载并转化数据结构。 为了方便使用随机梯度下降， 二、神经网络模型训练及不同模型效
阅读全文
摘要：一、深度学习与深层神经网络 深层神经网络是实现“多层非线性变换”的一种方法。 深层神经网络有两个非常重要的特性：深层和非线性。 1.1线性模型的局限性 线性模型：y =wx+b 线性模型的最大特点就是任意线性模型的组合仍然还是线性模型。 如果只通过线性变换，任意层的全连接神经网络和单层神经网络模型的
阅读全文
摘要：一、计算模型 计算图 1.1 计算图的概念：TensorFlow就是通过图的形式绘制出张量节点的计算过程，例如下图执行了一个a+b的操作。 1.2 计算图的使用 TensorFlow程序一般分为两个阶段。第一个阶段定义计算图中的所有计算，第二个阶段执行计算（执行会话）。 阶段一 阶段二 在TF中，系
阅读全文
