深度学习

https://zh.gluon.ai/chapter_recurrent-neural-networks/lang-model.html   翻译自： https://stackabuse.com/seaborn-library-for-data-visualization-in-python-part-1/ https://stackabuse.com/…

《TensorFlow实战》作者黄文坚做客【硬创公开课】，为我们讲解了关于四大经典CNN网络：AlexNet、VGGNet、Google Inception Net和ResNet的基本原理。本次公开课内容主要节选自作者《TensorFlow实战》第6章，关于这四大CNN网络实现方式可参考作者新书《TensorFlow实战》，其中有这几种网络的详细实现步骤。 …

本笔记主要记录学习《深度学习》的总结体会。如有理解不到位的地方，欢迎大家指出，我会努力改正。     在学习《深度学习》时，我主要是通过Andrew Ng教授在http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial上提供的UFLDL（Unsupervised Feature Learnin…

一、总结 一句话总结： 其实就是把vgg16对应的conv_base像层一样放到Sequential中，然后对图片进行数据增强即可 model.add(conv_base) from tensorflow.keras import models from tensorflow.keras import layers model = models.Sequen…

一、总结 一句话总结： 模型的话也是比较普通的卷积神经网络，就是图像数据用的生成器：ImageDataGenerator     1、ImageDataGenerator.flow_from_directory常用参数的意思？ |||-begin train_generator = train_datagen.flow_from_directory( tra…

一、总结 一句话总结： model.add(Embedding(max_features, 32)) model.add(SimpleRNN(32)) model.add(Dense(1, activation=’sigmoid’)) from tensorflow.keras.layers import Dense,Embedding,SimpleRNN …

一、总结 一句话总结： 【考虑到仅查看每条评论的前 20 个单词】：得到的验证精度约为 76%，考虑到仅查看每条评论的前 20 个单词，这个结果还是相当不错 的。 【没有考虑单词之间的关系和句子结构】：但请注意，仅仅将嵌入序列展开并在上面训练一个 Dense 层，会导致模型对输入序列中的 每个单词单独处理，而没有考虑单词之间的关系和句子结构（举个例子，这个模…

一、总结 一句话总结： 【微调是指将预训练网络的前几层解冻】：微调是指将预训练网络的前几层解冻，在猫狗分类的例子中，可以看到准确率从90到94，提高了4个百分点 【先训练好分类层】：微调的话，注意先把dense层（分类层）训练好，再低学习率的训练网络最后几层 # 冻结直到某一层的所有层 conv_base.trainable = True set_train…

一、总结 一句话总结： 【将文本转换为能处理的格式】：将原始文本转换为神经网络能够处理的格式。 【Keras 模型的 Embedding 层】：使用 Keras 模型的 Embedding 层来学习针对特定任务的标记嵌入。 【预训练词嵌入 提升 在小型自然语言处理问题】：使用预训练词嵌入在小型自然语言处理问题上获得额外的性能提升     1、使用预训练的词嵌…

一、总结 一句话总结： 用的texts_to_matrix方法：one_hot_results = tokenizer.texts_to_matrix(samples, mode=’binary’) 这里的one-hot是binary结构：[0. 1. 1. 1. 1. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.…