發(fā)簡信
IP屬地：廣東
-
tensorflow--LTSM,GRU1派桩、LTSM 傳統(tǒng)循環(huán)網(wǎng)絡RNN可以通過記憶體實現(xiàn)短期記憶進行連續(xù)數(shù)據(jù)的預測掘殴。但是當連續(xù)數(shù)據(jù)的序列變長時唐瀑，會使展開時間步長過長恼蓬，在反向傳播更新參...
-
tensorflow--循環(huán)神經(jīng)網(wǎng)絡RNN目標：用RNN實現(xiàn)連續(xù)數(shù)據(jù)的預測（以股票預測為例） 有些數(shù)據(jù)是跟時間相關的涮阔，是可以根據(jù)上文預測出下文的猴伶。 1厢汹、循環(huán)核：參數(shù)時間共享螟深，循環(huán)層提取時...
-
tensorflow--經(jīng)典網(wǎng)絡：LeNet、AlexNet烫葬、VggNet界弧、InceptionNet、ResNet1搭综、LeNet LeNet卷積神經(jīng)網(wǎng)絡是LeCun于1998年提出垢箕，是卷積神經(jīng)網(wǎng)絡的開篇之作。通過共享卷積核減少了網(wǎng)絡的參數(shù)设凹。 在統(tǒng)計卷積神經(jīng)網(wǎng)...
-
tensorflow--cifar10數(shù)據(jù)集Cifar10數(shù)據(jù)集有6w張圖片舰讹，每張圖片有32行32列像素點的紅綠藍三通道數(shù)據(jù)，其中5w張十分類彩色圖片用于訓練闪朱，1w張用于測試月匣。十分類分別是...
-
tensorflow--卷積計算過程
1、卷積（Convolutional Neural Networks, CNN）計算過程 全連接神經(jīng)網(wǎng)絡對識別和預測都有非常好的效果奋姿，但有時锄开，如...
-
tensorflow功能擴展1. 自制數(shù)據(jù)集 目標：將自己的圖片集和標簽集轉換為適合神經(jīng)網(wǎng)絡讀取的多維數(shù)組例如： 2. 數(shù)據(jù)增強 數(shù)據(jù)增強可以幫助擴展數(shù)據(jù)集。對圖像增加称诗，就...
-
tensorflow--Mnist數(shù)據(jù)集Mnist數(shù)據(jù)集一共有7萬張圖片： 6萬張28*28像素點的0~9手寫數(shù)字圖片和標簽萍悴，用于訓練 1萬張28*28像素點的0~9手寫數(shù)字圖片和標簽...
-
tensorflow-Sequential、compile、fit癣诱、summary
1. tf.keras.models.Sequential([網(wǎng)絡結構]) # 描述各層網(wǎng)絡 Sequentail()可以認為是個容器计维，這個容...
-
tensorflow基礎02--常用函數(shù)
1. 強制tensor轉換為該數(shù)據(jù)類型 2. 張量最值計算 計算張量維度上的最小值 計算張量維度上的最大值 運行結果： 3. 張量的軸 axis...