26篇文章 · 18087字 · 1人關注
-
使用Policy network和Value network實現(xiàn)CartPole我們知道嘁字，著名的AlphaGo的基本組成是由策略網(wǎng)絡（Policy network）估值網(wǎng)絡（Value network）夫椭，蒙特卡洛搜索樹（Mo...
-
強化學習之 Q-learning
強化學習的作用在于通過當前的環(huán)境做出相應的action掸掸，得到最大的value如TensorFlow實戰(zhàn)中的例子： 在5x5的游戲棋盤中，藍色的代...
-
使用TensorFlow實現(xiàn)ResNet作為在ILSVRC 2015比賽中取得了冠軍的網(wǎng)絡結構，ResNet借鑒吸收了以往的網(wǎng)絡結構的優(yōu)點扰付，完全拋棄了全連接層堤撵，使用殘差學習方法解決了在...
-
基于RNN實現(xiàn)古詩詞生成模型我們知道，RNN（循環(huán)神經(jīng)網(wǎng)絡）模型是基于當前的狀態(tài)和當前的輸入來對下一時刻做出預判悯周。而LSTM（長短時記憶網(wǎng)絡）模型則可以記憶距離當前位置較遠...
-
基于LeNet-5模型實現(xiàn)MNIST手寫體識別
LeNet模型的可以分為7步： 卷積層 池化層 卷積層 池化層 全連接層 全連接層經(jīng)過這7步以后得到輸出結點的值粒督，使用該值進行訓練即可。 1禽翼、使...
-
使用tensorflow實現(xiàn)好評與差評的判斷首先準備了正負數(shù)據(jù)用作學習材料：neg.txt：5331條負面電影評論pos.txt：5331條正面電影評論我們把它們 放到了我的csdn中屠橄，有...
-
Inception-v3的實現(xiàn)原理
一目了然的關系： Convolution：使用卷積層 AvgPool：平均池化層 MaxPool：最大池化層 Concat：串聯(lián)合并 Dropo...
-
tensorflow的模型讀寫
保存一個簡單的會話 運行后在本地的me文件夾中多了以下四個文件： 具體這幾個文件的作用不予贅述，網(wǎng)上都可以搜到闰挡。 讀取該會話 如此的運行結果為：...
-
tensorflow 使用類下載MNIST數(shù)據(jù)自動下載并轉化MNIST數(shù)據(jù)的格式锐墙，將數(shù)據(jù)從原始的數(shù)據(jù)包中解析成訓練和測試神經(jīng)網(wǎng)絡時使用的格式。自動將MNIST數(shù)據(jù)集劃分為train长酗，vali...
