第六章循環(huán)神經(jīng)網(wǎng)絡(luò) CNN和RNN的對比:CNN: 借助卷積核(kernel)提取特征后,送入后續(xù)網(wǎng)絡(luò)(如全連接網(wǎng)絡(luò) Dense) 進(jìn)行分類、目標(biāo)檢測等操作。CNN 借助卷積...
第六章循環(huán)神經(jīng)網(wǎng)絡(luò) CNN和RNN的對比:CNN: 借助卷積核(kernel)提取特征后,送入后續(xù)網(wǎng)絡(luò)(如全連接網(wǎng)絡(luò) Dense) 進(jìn)行分類、目標(biāo)檢測等操作。CNN 借助卷積...
第五章卷積神經(jīng)網(wǎng)絡(luò) 5.1卷積計算過程 因?yàn)槿B接網(wǎng)絡(luò)在實(shí)際應(yīng)用中,數(shù)據(jù)參數(shù)量過大導(dǎo)致過擬合,所以不會將原始圖像直接輸入,而是先對特征進(jìn)行提取,再將提取到到特征輸入全連接網(wǎng)絡(luò)...
第四章神經(jīng)網(wǎng)絡(luò)拓展 4.1總覽 對第三章對6步進(jìn)行拓展1 自制數(shù)據(jù)集,解決本領(lǐng)域應(yīng)用2 數(shù)據(jù)增強(qiáng),擴(kuò)充數(shù)據(jù)集3 斷點(diǎn)續(xù)訓(xùn),存取模型4 參數(shù)提取,把參數(shù)存入文本5 acc/lo...
第三章神經(jīng)網(wǎng)絡(luò)八股 3.1搭建神經(jīng)網(wǎng)絡(luò)sequential(上層輸出就是下層輸入的順序網(wǎng)絡(luò)結(jié)構(gòu)) 使用tensorflow的API:tf.keras搭建網(wǎng)絡(luò)六步法:第一步:i...
第二章神經(jīng)網(wǎng)絡(luò)優(yōu)化 2.1預(yù)備知識 1.tf.where():條件語句真返回A,條件語句假返回B,tf.where(條件語句,真返回A,假返回B),舉例如下: 結(jié)果如下: n...
第一章神經(jīng)網(wǎng)絡(luò)計算 1.1張量生成 Tensorflow中的tensor表示張量,是多維數(shù)據(jù),多維列表,用階表示張量的維度。0 階張量叫做標(biāo)量,表示的是一個單獨(dú)的數(shù),如 12...