莫烦tensorflow学习

tensorflow 学习笔记（十）- 参数和特征的提取

tensorflow学习笔记（十）-参数和特征的提取在tf中，参与训练的参数可用tf.trainable_variables()提取出来，如：#取出所有参与训练的参数params=tf.trainable_variables
pandsu·2020-09-10 10:03

Tensorflow学习笔记7——卷积神经网络基础

第七讲卷积神经网络基础本节目标：会用CNN（卷积神经网络）全连接NN：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测结果。参数个数：∑〖（前层*后层+后层）〗其中前层*后层即为w，最后的后层即为b如果输入为生活中的高分辨率彩色图像，不仅像素点会增加，还从灰度图的单通道信息，变成了红绿蓝的三通道信息，待优化的参数过多容易导致模型过拟合。为了防止过拟合，实际应用中会先对原始图
不务正业的程序媛·2020-09-10 09:49

TensorFlow学习笔记（五）——损失函数

前言：神经网络模型的效果以及优化的目标是通过损失函数（lossfunction）来定义的。本章将学习适用于分类问题和回归问题的经典损失函数。分类问题和回归问题是监督学习的两大种类。一、分类问题中的损失函数分类问题希望解决的是将不同的样本分到事先定义好的类别中，例如手写体数字识别问题可以被归纳成一个十分类问题。手写体数字识别问题可以被看成将一张包含了数字的图片分类到0〜9这10个数字中。通过神经网络
行歌er·2020-08-26 23:01

TensorFlow学习笔记——Fashion-MNIST数据集的下载及本地保存

Fashion-MNIST是Zalando文章图像的数据集——包括60,000个示例的训练集和10,000个示例的测试集。每个示例都是一个28x28灰度图像，与来自10个类的标签相关联。Fashion-MNISTHereistheexamplehowthedatalooks(eachclasstakesthree-rows):labeldescription0T恤（T-shirt/top）1裤子（
Colynn Johnson·2020-08-26 23:56

TensorFlow学习笔记（四）图像识别与卷积神经网络

一、卷积神经网络简介卷积神经网络(ConvolutionalNeuralNetwork,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(convolutionallayer)和池化层(poolinglayer)。一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一
weixin_34319999·2020-08-26 23:42

tensorflow学习笔记——图像识别与卷积神经网络

无论是之前学习的MNIST数据集还是Cifar数据集，相比真实环境下的图像识别问题，有两个最大的问题，一是现实生活中的图片分辨率要远高于32*32，而且图像的分辨率也不会是固定的。二是现实生活中的物体类别很多，无论是10种还是100种都远远不够，而且一张图片中不会只出现一个种类的物体。为了更加贴近真实环境下的图像识别问题，由李飞飞教授带头整理的ImageNet很大程度上解决了这个问题。ImageN
weixin_30408739·2020-08-26 23:38

Tensorflow学习笔记---人脸识别DEMO实现

'''数据材料这是一个小型的人脸数据库，一共有40个人，每个人有10张照片作为样本数据。这些图片都是黑白照片，意味着这些图片都只有灰度0-255，没有rgb三通道。于是我们需要对这张大图片切分成一个个的小脸。整张图片大小是1190×942，一共有20×20张照片。那么每张照片的大小就是：（1190/20）×（942/20）=57×47（大约，以为每张图片之间存在间距）问题解决10类样本，利用CNN
敲代码的灰太狼·2020-08-26 23:21

tensorflow学习笔记——卷积神经网络的简单应用

数据集下载本文用卷积神经网络实现MNIST数据集分类。可在这个网站下载MNIST数据集。下载后的数据如下图所示：本文使用的网络包括2个卷积层和两个全连接层。卷积核大小为5×5，第一个卷积层有32个卷积核，第二个卷积层有64个卷积核。第一个全连接层有1024个节点，第二个全连接层有10个节点。使用的激活函数为ReLU激活函数，优化器为Adam，ReLU+Adam也是我在论文里见的最多的搭配，最后一层
红鱼鱼·2020-08-26 23:02

TensorFlow学习笔记——图像增强

在TensorFlow中提供了一些图像增强的方法，比如放缩、裁剪、翻转、改变光照和对比度等。下面分别对这几种方法进行介绍：首先显示原图像，代码如下：importnumpyasnpimporttensorflowastfimportmatplotlib.pyplotaspltfrommatplotlib.pyplotimportimshowname='./0.png'#图片名称img_string=
流牧·2020-08-26 23:50

Tensorflow学习笔记(五)——卷积神经网络实现

今天来实现tensorflow架构下的卷积神经网络，首先了解清楚我们要构建的网络架构，数据集还是用mnist，所以输入还是28X28。建立的卷积神经网络架构是：卷积层->pooling层->卷积层->pooling层->全连接层1->全连接层2。全连接层的尺寸公式：N=(W−F+2P)/S+1参数解释：输入图片大小W×WFilter大小F×F步长Spadding的像素数P因为定义的filter所以
Maigz·2020-08-26 23:47

TensorFlow学习笔记（九）——全连神经网络

一、加载MNIST数据集fromtensorflow.examples.tutorials.mnistimportinput_dataimporttensorflowastftf.compat.v1.disable_eager_execution()mnist=input_data.read_data_sets("D:/公用程序部分/tensor/MNIST_data",one_hot=True)
柠檬巧克力、·2020-08-26 23:12

TensorFlow学习笔记（八）——避免过拟合，正则化以及其他方法

一、正则化此处需要学习现代数值计算方法，范数知识。1、二范数指矩阵A的2范数，就是A的转置共轭矩阵与矩阵A的积的最大特征根的平方根值，是指空间上两个向量矩阵的直线距离。类似于求棋盘上两点间的直线距离。（向量元素平方和再开方）2、一范数指的是向量元素的绝对值之和。3、无穷范数指的是向量元素中的最大值。1.正则化记损失函数和正则项分别为：因此引入正则的被优化项为：其中λ为提前挑选的值，控制我们偏好小范
柠檬巧克力、·2020-08-26 23:12

tensorflow学习笔记——2——经典损失函数

转载自TensorFlow实战Google深度学习框架（第2版）1.通过神经网络解决多分类问题最常用的方法是设置n个输出节点，其中n为类别的个数。对于每一个样例，神经网络可以得到一个n维数组作为输出结果。2.如何判断一个输出向量和期望的向量有多接近呢？交叉熵（crossentropy）是常用的评判办法之一。交叉熵刻画了两个概率分布之间的距离，它是分类问题中使用比较广的一种损失函数。给定两个概率p和
抬头仰望-y·2020-08-26 23:07

tensorflow学习笔记——图像数据处理

喜欢摄影的盆友都知道图像的亮度，对比度等属性对图像的影响是非常大的，相同物体在不同亮度，对比度下差别非常大。然而在很多图像识别问题中，这些因素都不应该影响最后的结果。所以本文将学习如何对图像数据进行预处理使训练得到的神经网络模型尽可能小地被无关因素所影响。但与此同时，复杂的预处理过程可能导致训练效率的下降。为了减少预处理对于训练速度的影响，后面也学习多线程处理输入数据的解决方案。在大部分图像识别问
liudahai777·2020-08-26 23:10

TensorFlow学习笔记10-卷积网络

卷积网络卷积神经网络(ConvolutionalNeuralNetwork,CNN)专门处理具有类似网格结构的数据的神经网络。如：时间序列数据(在时间轴上有规律地采样形成的一维网格)；图像数据(二维的像素网格)；卷积网络是指至少在网络的一层中使用卷积运算来替代一般的矩阵乘法运算的神经网络。卷积前面讲过卷积，相关算法这里直接使用。卷积公式为：\(s(t)=\int_{-\infty}^{t}x(\t
FQ1149816888·2020-08-26 23:13

Tensorflow学习笔记（六）均方误差损失函数，MSE

一、均方误差损失函数对于回归问题，最常用的损失函数就是均方误差损失函数（MSE）定义如下：其中yi为输出中第i个数据的答案值，yi‘就是神经网络给出的预测值。因此最小化该函数就是优化的目标。通过最小二乘法，可以获得让MSE最小的数值。令偏导分别为0，则会有一个方程组，方程组化简后，会得到一个由n，yi，xi表达的式子，这样就可以获得相应的方程组，方便计算机求解。最终会转化成下图的形式：二、自定义损
柠檬巧克力、·2020-08-26 23:27

Tensorflow学习笔记（五）深度前馈神经网络

一、神经元与全连接w代表神经元的参数，为权重；w右上角的（a）a为数字代表第几层（从第几层开始），右下角a，b…代表路径，如w1，2代表第一个输入单元至下一层的第二个单元。x代表输入值；右下角的数字标识为输入的单元的排序，1就是第一个。y代表输出值；一个神经元可以有多个输入，一个输出；每个神经元的输入可以来自其他神经元的输出；图中输出为：y=[0.2x1+0.2x2]a110.2+[0.1x1+0
柠檬巧克力、·2020-08-26 23:26

Tensorflow学习笔记（四）变量、张量

一、创建变量x=tf.Variable()tf.Variable(initial_value=None,trainable=True,collections=None,validate_shape=True,caching_device=None,name=None,variable_def=None,dtype=None,expected_shape=None,import_scope=None
柠檬巧克力、·2020-08-26 23:26

tensorflow学习(3)variable和placeholder使用.

在tensorflow中,定义了某字符串是变量,它才是变量定义的语法state=tf.Variable()importtensorflowastfstate=tf.Variable(0,name='counter')#定义常量oneone=tf.constant(1)#定义加法步骤(注:此步并没有直接计算)new_value=tf.add(state,one)#将State更新成new_value
Kevin&Swift·2020-08-26 23:19

Tensorflow学习笔记————图像预处理

图像预处理结合实战Google深度学习框架和博客添加了自己总结的注释、笔记。图像读取tf.gfile.FastGFile(“/path/to/picture”,‘r’).read()图像格式的编码解码：图像不直接记录图像上的不同位置，不同颜色的亮度。而是记录压缩编码之后的结果。所以要还原成三维矩阵，需要解码。以下为对jpeg格式图像编码/解码函数：tf.image.decode_jpeg()#解码
cunyizhang·2020-08-26 23:46

TensorFlow学习笔记----TensorBoard_1

一个曲线拟合的小例子说明要使用TensorBoard，需要对程序添加那些额外的东西。程序：importtensorflowastfimportnumpyasnp#Create100phonyx,ydatapointsinNumPy,y=x*0.1+0.3x_data=np.random.rand(1000,1).astype(np.float32)y_data=tf.sin(x_data)*tf.
bbzz2·2020-08-26 23:09

TensorFlow学习笔记（三）：会话（session）

在TensorFlow中，有两种用于运行计算图（graph）的会话（session）tf.Session()tf.InteractivesSession()1.tf.Session()要使用tf，我们必须先构建（定义）graph，之后才能运行graph。1.1非交互式会话中的例子importtensorflowastf#构建grapha=tf.add(3,5)#运行graphsess=tf.Ses
Locutus·2020-08-26 23:04

Tensorflow学习笔记02-Session,Variable,placeholder

Session会话控制使用tensorflow创建两个矩阵，并使其相乘matrix1=tf.constant([[3,3]])matrix2=tf.constant([[2],[2]])product=tf.matmul(matrix1,matrix2)print(product)因为没有经过Session的run()，所以product并没有实际的值，可以想象成只是搭建好了一个框架运行结果：Te
weixin_30448685·2020-08-26 22:54

Tensorflow学习笔记——（十二）图像数据的处理

1、图像的解码importmatplotlib.pyplotaspltimporttensorflowastfimporttensorflow.compat.v1astf1importsysimportimportlibimportlib.reload(sys)tf1.disable_eager_execution()default_encodeing='gbk'image=tf1.gfile.F
柠檬巧克力、·2020-08-26 22:01

Tensorflow学习笔记（二）简单使用，Graph构建一个简单的计算图、as_default指定计算图

一、简单的向量相加importtensorflowastftf.compat.v1.disable_eager_execution()#动态图机制，disable处于不可使用状态，enable可使用状态config=tf.compat.v1.ConfigProto(allow_soft_placement=True)#对session会话进行参数控制，allow_soft_placement=Tr
柠檬巧克力、·2020-08-26 22:00

Tensorflow学习笔记（十）——卷积神经网络

一、卷积层的代码实现conv2d(input,filter,strides,padding,use_cudnn_on_gpu,data_format,name)#input：输入图像，是一个Tensor，具有[batch,in_height,in_width,in_channels]这样的shape，具体含义是[训练时一个batch的图片数量,图片高度,图片宽度,图像通道数（1~3）]，注意这是一
柠檬巧克力、·2020-08-26 22:00

Tensorflow学习笔记（三）会话Session、placeholder

一、Tensorflow的运行模型——会话Tensorflow大致可分为两个子系统：前端系统，后端系统。前端系统提供编程模型，负责构造计算图，后端系统提供运行环境，负责执行计算图。①会话的使用方式：1、标准方法：Session类的Session（）构造函数创建会话Session类的close（）关闭会话释放本次会话的资源此方法虽然简单，但是程序出错后，close（）函数不会生效，容易造成资源泄露。
柠檬巧克力、·2020-08-26 22:41

tensorflow学习笔记十五：tensorflow官方文档学习 TensorBoard: Embedding Visualization

嵌入在机器学习无处不在，出现在推荐系统中，NLP，和许多其他应用。事实上，在tensorflow的环境下，很自然的，会将其中的张量（或张量的切片）视为空间中的点，所以几乎任何tensorflow系统自然会产生各种嵌入。tensorboard有一个内置的可视化工具，称为嵌入投影机，可用来交互式的可视化，也可分析诸如嵌入的高维数据。嵌入投影机将从你的模型检查点文件中读取嵌入。虽然嵌入是最有用的，它会加
xiaopihaierletian·2020-08-26 16:41

tensorflow学习笔记

基于tensorflow的NN用张量表示数据，用计算图搭建神经网络，用绘画执行计算图，优化线上的权重（参数），得到模型。张量（tensor）即多维数组（列表）阶：张量的维数0阶就是标量例：s=1231阶就是向量例：v=[1，2，3]2阶就是矩阵例：m=[[1,2,3],[4,5,6],[7,8,9]]n阶就是张量例：t=[[[…n个方括号因此，我们可以说张量表示n阶数组在Ubuntu中，tenso
speakless7·2020-08-26 14:10

TensorFlow学习（三）：CNN-Relation-Extraction

cnn_relation_extraction部分记录importtensorflowastfimportnumpyasnpimportosimportdatetimeimporttimefromcnn_relation_extraction_master.text_cnnimportTextCNNfromcnn_relation_extraction_master.data_helpersimp
涵星同学·2020-08-26 14:56

TensorFlow 学习笔记 - 避坑指南 Updating

TensorFlow学习笔记-避坑指南1.TensorFlow实现DeepNN2.TensorBoard加载Embeddings页Hang住3.Optimizer的选择4.根据需要弹性获取GPU资源TensorFlow
David_Hernandez·2020-08-26 13:10

【干货】史上最全的TensorFlow学习资源汇总

TensorFlowAuthor：磐创AIFrom：磐创AI在之前的Tensorflow系列文章中，我们教大家学习了Tensorflow的安装、Tensorflow的语法、基本操作、CNN的一些原理和项目实战等。本篇文章将为大家总结Tensorflow纯干货学习资源，非常适合新手学习，建议大家收藏。想要学习更多的Tensorflow知识，欢迎点击上方蓝字，关注我们的微信公众号。一、Tensorfl
文文学霸·2020-08-26 12:00

法海不懂爱

许仙从梦中惊醒，他开始唱起来，“娘子啊娘子，你莫烦，你莫气，请看今日的天气，实在是那个好啊啊啊啊啊……”唱完，一脸白痴对着白娘子笑。“娘子，走，陪我一同散步如何？”白娘子一个降
梨子也是梅子·2020-08-26 11:10

Hands on Machine Learning with Sklearn and TensorFlow学习笔记——机器学习概览

一、什么是机器学习？计算机程序利用经验E（训练数据）学习任务T（要做什么，即目标），性能是P（性能指标），如果针对任务T的性能P随着经验E不断增长，成为机器学习。【这是汤姆米切尔在1997年定义】大白话：类比于学生学习考试，你先练习一套有一套的模拟卷（这就相当于训练数据），在这几套模拟卷上能得到差不多的成绩的时候（这个就是在训练数据得到的性能指标P理想），然后去考试（应用到实际生产生活中去）。这就
difanjiao1622·2020-08-25 09:14

利用阿里云PAI学习莫烦tensorflow教程

莫烦的教程浅显易懂，阿里云免费又强大的计算能力刚好适合我这种情况。闲话少说，刷攻略1.创建阿里云PAI账户，创建OSS。阿里云上有视频教程。
阿雷_590a·2020-08-25 03:24

SARSA与Q-learning的区别

莫烦强化学习视频https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/SARSA与Q_learning
ZONG_XP·2020-08-25 01:57

深度学习中的sarsa（lambda）和 Q（lambda）算法

这个没什么好说的，因为在莫烦python中出现了，可能会引起一些疑惑，普通的sarsa和q-learning就是普通的时序差分（TD）的实现，sarsa（lambda）和Q（lambda）算法就是TD（
zhaoying9105·2020-08-25 01:24

策略梯度（Policy Gradients）的理解

理论分析请参见参考文献1、2、6、7；算法思想及伪代码参见参考文献2，具体见下图：policygradient的最基本方法-REINFORCE方法然后根据理论分析了莫烦的《PolicyGradients
yeqiang19910412·2020-08-25 01:12

强化学习学习笔记（一）：入门简介

内容主要参考自莫烦python，很适合入门学习。
Initial-T·2020-08-25 01:34

DDPG强化学习算法理解

结合着两篇教程即可理解：1.详细介绍DDPG的博客（框图画的很好很详细，易于理解）点击打开链接2.莫烦python的视频教程
lvzhiyu1206·2020-08-25 01:52

强化学习笔记+代码（七）：Actor-Critic、A2C、A3C算法原理和Agent实现(tensorflow)

本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现Q-learning算法原理和Agent实现DQN
nbszg·2020-08-25 01:06

强化学习笔记+代码（五）：Double-DQN、Dueling DQN结构原理和Agent实现

本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现Q-learning算法原理和Agent实现DQN
nbszg·2020-08-25 01:05

强化学习笔记+代码（二）：SARSA算法原理和Agent实现

本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现Q-learning算法原理和Agent实现DQN
nbszg·2020-08-25 01:05

强化学习笔记+代码（三）：Q-learning算法原理和Agent实现

本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现Q-learning算法原理和Agent实现DQN
nbszg·2020-08-25 01:05

DQN理解

参考了这位莫烦大佬：https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/4-4-gym/
qq_39861441·2020-08-25 01:41

莫烦——强化学习笔记1_Q learning

前言：最近学习强化学习的一些理论，主要是跟着bilibili中莫烦大神的视频学习练习的，此处是一些个人笔记。详细内容可见莫烦大神视频资源。
吃辣椒的猪·2020-08-25 01:59

强化学习实践（1）：简单介绍

(Value-Based)回合更新(Monte-Carloupdate)和单步更新(Temporal-Differenceupdate)同策略和异策略[^1]需要用到的模块（python）注：此教程为莫烦
专业渡劫修仙·2020-08-25 00:26

20171124学习强化学习，尽快出论文，Q-learning2.1

a3aad71aa1abe7b1fa009641.html调出输入法：https://jingyan.baidu.com/article/adc815134f4b92f722bf7350.htmlpython2.7转自莫烦
小草cys·2020-08-25 00:34

强化学习笔记+代码（六）：Policy Gradient结构原理和Agent实现(tensorflow)

本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现Q-learning算法原理和Agent实现DQN
nbszg·2020-08-25 00:20

tensorflow学习笔记--深度学习中的epochs，batch_size，iterations详解

深度学习框架中涉及很多参数，如果一些基本的参数如果不了解，那么你去看任何一个深度学习框架是都会觉得很困难，下面介绍几个新手常问的几个参数。batch深度学习的优化算法，说白了就是梯度下降。每次的参数更新有两种方式。第一种，遍历全部数据集算一次损失函数，然后算函数对各个参数的梯度，更新梯度。这种方法每更新一次参数都要把数据集里的所有样本都看一遍，计算量开销大，计算速度慢，不支持在线学习，这称为Bat
XianMing的博客·2020-08-24 18:50
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他