蜗居

在Tensorflow 2.0中在ImageNet上训练ResNet 准确性 网络 中心农作物@ top-1 10片@ Top-1 ResNet-18 69.15％ 71.60％ ResNet-50 75.96％ 77.72％ 满足深度残差学习中图像识别的要求。 提供了砝码。 Link: https://pan.baidu.com/s/1nwvkt3Ei5Hp5Pis35cBSmA Code: y4wo 要求 Python版本：3.5.1 包装方式： Tensorflow 2.0.0 麻木 OpenCV的Python tqdm 数据集 可...

filters： 卷积核（就是过滤器！）的数目（即输出的维度） kernel_size： 单个整数或由两个整数构成的list/tuple，卷积核（过滤器）的宽度和长度。（kernel n.核心，要点，[计]内核） 如为单个整数，则表示在各个空间维度的相同长度。 strides： 单个整数或由两个整数构成的list/tuple，为卷积的步长。 如为单个整数，则表示在各个空间维度的相同步长。任何不为1的strides均...

优化器总结 机器学习中，有很多优化方法来试图寻找模型的最优解。比如神经网络中可以采取最基本的梯度下降法。 梯度下降法(Gradient Descent) 梯度下降法是最基本的一类优化器，目前主要分为三种梯度下降法：标准梯度下降法(GD, Gradient Descent)，随机梯度下降法(SGD, Stochastic Gradient Descent)及批量梯度下降法(BGD, Batch Gradient Descent)。 1. 标准梯度下降法(G...

过拟合 过拟合现象 机器学习中，过拟合现象就是训练模型高度适用于训练集，而对测试集或未知数据集效果不好的情况。表现为训练集过度拟合具有高准确率，而测试集的准确率明显低于测试集。 防止过拟合 防止过拟合的方法有：增加数据集，正则化方法以及Dropout方法。 1. 增加数据集 数据挖掘中，数据量越多，对模型参数调整就越准确。多的数据往往比好的训练模型要重要，因...

出自：https://www.tensorflow.org/tutorials/keras/basic_classification 本指南训练神经网络模型，对运动鞋和衬衫等服装图像进行分类。如果您不了解所有细节，这是可以的，这是一个完整的TensorFlow程序的快节奏概述，详细解释了我们的细节。 本指南使用tf.keras，一个高级API，用于在TensorFlow中构建和训练模型。 一、导入库 主要使用的3个库： # TensorFlow and tf.ker...

前言: 最近在学习tf2 数据加载感觉蛮方便的 这里记录下使用 tf.data.Dataset.from_tensor_slices 进行加载数据集. 使用tf2做mnist（kaggle）的代码 思路 Step0: 准备要加载的numpy数据 Step1: 使用 tf.data.Dataset.from_tensor_slices() 函数进行加载 Step2: 使用 shuffle() 打乱数据 Step3: 使用 map() 函数进行预处理 Step4: 使用 batch() 函数设置 batch size 值 Step5:...

看此文章时建议配合【Tensorflow中数据集的使用方法（tf.data.Dataset）】一同观看。 使用Dataset管理数据集需要首先定义数据来源，我们可以使用numpy或者tensor定义的数据作为数据来源来定义Dataset，假设我们有如下numpy定义的代码。 1、引入必要的包 import numpy as np import tensorflow as tf 2、使用numpy构造数据集 seed = 1000 # 定义随机数产生的方式 data_si...