摘要：
在第十三节，我们已经介绍了使用带有全局平均池化层的CNN对CIFAR10数据集分类，在学习了反卷积神经网络之后我们把第十三节那个程序里的卷积层可视化出来。 一 替换掉tf.nn.max_pool()函数 这里不再使用自己定义的max_pool_2x2函数，改成新加入的带有mask返回值得max_po 阅读全文
摘要：
反卷积是指，通过测量输出和已知输入重构未知输入的过程。在神经网络中，反卷积过程并不具备学习的能力，仅仅是用于可视化一个已经训练好的卷积神经网络，没有学习训练的过程。反卷积有着许多特别的应用，一般可以用于信道均衡、图像恢复、语音识别、地震学、无损探伤等未知输入估计和过程辨识方面的问题。 在神经网络的研 阅读全文
摘要：
这里使用的数据集仍然是CIFAR-10，由于之前写过一篇使用AlexNet对CIFAR数据集进行分类的文章，已经详细介绍了这个数据集，当时我们是直接把这些图片的数据文件下载下来，然后使用pickle进行反序列化获取数据的，具体内容可以参考这里：第十六节，卷积神经网络之AlexNet网络实现(六) 与 阅读全文
摘要：
TensorFlow程序读取数据一共有3种方法: 供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。 从文件读取数据： 在TensorFlow图的起始， 让一个输入管道从文件中读取数据。 预加载数据： 在TensorFlow图中定义常量或变量来保存 阅读全文
摘要：
随着科研人员在使用神经网络训练时不断的尝试，为我们留下了很多有用的技巧，合理的运用这些技巧可以使自己的模型得到更好的拟合效果。 一 利用异或数据集演示过拟合 全连接网络虽然在拟合问题上比较强大，但太强大的拟合效果也带来了其它的麻烦，这就是过拟合问题。 首先我们看一个例子，这次将原有的4个异或带护具扩 阅读全文
摘要：
多层神经网络非常好理解，就是在输入和输出中间多加一些层，每一层可以加多个神经元。下面的例子是通过加入一个隐藏层后对异或数据进行分类。 一 异或数据集 所谓的"异或数据"是来源于异或操作，可以绘制在直角坐标系中，如下图所示： 我们可以看到这张图很难通过一个直线把这两类数据风格开来，但是我们可以通过类似 阅读全文
摘要：
一般来说，回归不用在分类问题上，因为回归是连续型模型，而且受噪声影响比较大。如果非要应用进入，可以使用logistic回归。logistic回归本质上是线性回归，只是在特征到结果的映射中加入了一层函数映射，即先把特征线性求和，然后使用函数g(z)函数来预测。 下面介绍一个线性逻辑回归的案例，这里被用 阅读全文
摘要：
一 、色彩空间转换 OpenCV中有数百种关于在不同色彩空间之间转换的方法。当前，在计算机中有三种常用的色彩空间：灰度，BGR以及HSV(Hue,Saturation,Value)。 灰度色彩空间是通过去除色彩信息来将其转换成灰阶，灰度色彩空间对中间处理特别有效，比如人脸检测。 BGR，即蓝-绿-红 阅读全文
摘要：
由于随着神经网络层数的增多，需要训练的参数也会增多，随之而来需要的数据集就会很大，这样会造成需要更大的运算资源，而且还要消耗很长的运算时间。TensorFlow提供了一个可以分布式部署的模式，将一个训练任务拆分成多个小任务，配置到不同的计算机上完成协同运算，这样使用计算机群运算来代替单机运算，可以使 阅读全文
摘要：
这一节主要来介绍TesorFlow的可视化工具TensorBoard,以及TensorFlow基础类型定义、函数操作，后面又介绍到了共享变量和图操作。 一 TesnorBoard可视化操作 TensorFlow提供了可视化操作工具TensorBoard。他可以将训练过程中的各种数据展示出来，包括标量 阅读全文