發(fā)簡信
IP屬地：山東
-
理解Tensorflow的shape
Tensorflow中的shape應(yīng)該怎么理解，怎么記住呢？ 以上面這段代碼為例為例。首先，單看[1,2,3]，這是1維的，但它作為shape時...
-
反思tensorflow實現(xiàn)RNN中遇到的問題
在寫placeholder時，shape參數(shù)一定要和喂給的數(shù)據(jù)shape一致，這是毋庸置疑的。x = tf.placeholder(tf.flo...
-
開始學(xué)習(xí)RNN
首先從閱讀論文開始。 先后閱讀了如下文章 關(guān)于《A Critical Review of Recurrent Neural Networks f...
-
遷移學(xué)習(xí)的延伸思考遷移學(xué)習(xí)是將一個已經(jīng)訓(xùn)練好的多層神經(jīng)網(wǎng)絡(luò)的后幾層拿掉，替換成另一個任務(wù)的輸出層。已訓(xùn)練完的神經(jīng)網(wǎng)絡(luò)提供前面幾層的權(quán)重，繼承給新神經(jīng)網(wǎng)絡(luò)。在喂入新...
-
loss下降之路 —— 小批量梯度下降法y值開始浮動了，那么loss現(xiàn)在是什么情況呢？ 單輸出loss，似乎看不出來。 在tensorboard中觀察一下 看來基本面是向好的，權(quán)重開始...
-
梯度不下降怎么辦？欠擬合的解決方案在網(wǎng)絡(luò)上查閱很多擬合曲線的示例后發(fā)現(xiàn)，絕大部分都在用平方差（tf.square）作為曲線擬合的loss，從這點深入搜索后發(fā)現(xiàn)，平方差（tf.sq...
-
tensorflow獲取訓(xùn)練過程中變量的值
訓(xùn)練時，想要獲取過程中的值，網(wǎng)絡(luò)上能查到以下幾種方式： #第一種sess.run(train, feed_dict=feed_dict)prin...
-
初始版本代碼（偽）
從最初的簡單實現(xiàn)，到后面一步步的整合代碼塊，終于達到了可讀、便于調(diào)試的程度。代碼雖然清晰了，但是問題依然存在。目前主要的問題便是權(quán)重學(xué)習(xí)不到東西...