一、神经网络的实现过程1、准备数据集，提取特征，作为输入喂给神经网络 2、搭建神经网络结构，从输入到输出 3、大量特征数据喂给 NN，迭代优化 NN 参数 4、使用训练好的模型预测和分类 二、前向传播 前向传播就是搭建模型的计算过程
转载
2023-10-26 19:45:35
113阅读
使用Tensorflow建造神经网络一、Tensorflow建造神经网络添加一层神经元的函数1. 定义数据 — 输入层2. 创建隐藏层和输出层3. 误差计算4. 误差传播5. 参数初始化6. 开始模拟7. 完整代码二、【附录】1. 关于`reduction_indices`2. 关于`tf.nn.relu`3. 关于`numpy.linspace()`4. 关于`tf.train.Gradien
转载
2023-06-29 12:06:22
272阅读
本文不赘述神经网络的原理，只是简单介绍如何用python3.0 |tensorflow2.0框架搭建一个简单的神经网络,进行简单的图像识别。本文分为三个部分，第一部分先po出总体代码，第二部分分段详解每段代码，第三部分总结。参考：1 tf.Keras - 简书 (jianshu.com)2Fashion-MNIST：替代MNIST手写数字集的图像数据集 - 知乎 (zhihu.
转载
2023-10-17 05:38:54
179阅读
卷积神经网络是目前深度学习的核心网络结构，被广泛的应用于计算机图像识别。输入数据会通过多个卷积层及激活函数来获得输入数据的特征，每层之间的传递如下图：在上面的图例中，每一个输入层的一格对应卷积层的四格，也可以更多。当然，一个输入层往往对应了很多个卷积层，比如RGB图片就有三个输入层，R图层，G图层与B图层，然后输入到大于3层或小于3层或刚好3层的卷积层中。卷积层后往往会有池化层，比如每2X2的格子
转载
2023-09-19 16:41:31
74阅读
Tensorflow2.0 学习笔记 – 神经网络优化篇本讲目标：学会神经网络优化过程，使用正则化减少过拟合，使用优化器更新网络参数预备知识条件选择函数 tf.where(条件语句,真返回A,假返回B)a = tf.constant([1,2,3,1,1])
b = tf.constant([0,1,3,4,5])
# 若a>b，返回a对应位置的元素，否则返回b对应位置的元素
c = tf
转载
2024-01-11 23:05:44
49阅读
1.tf.keras 搭建神经网络六步法第一步：import 相关模块，如 import tensorflow as tf。第二步：指定输入网络的训练集和测试集，如指定训练集的输入 x_train 和标签 y_train，测试集的输入 x_test 和标签 y_test。第三步：逐层搭建网络结构，model = tf.keras.models.Sequential()。第四步：在 model.co
转载
2023-11-27 13:01:36
59阅读
一、神经网络搭建1. 神经网络组成tensor 张量： 表示数据 多维数组*（列表）*计算图： 搭建神经网络*（只描述计算过程，不执行计算结果）*import tensorflow as tf
x=tf.constant([[1.0,2.0]]) #输入
w=tf.constant([[3.0],[4.0]]) #w 作为权重
y=tf.matmul(x,w) #计算图的计算过程 y =x1
转载
2023-11-16 19:55:33
349阅读
学了一段深度学习，最近学了tensorflow，所以想自己去根据教程写一个简单的卷积神经网络。CNN：卷积神经网络的实现一个卷积神经网络的结构一般是由输入-->卷积-->池化-->卷积-->池化-->............-->全连接-->全连接-->输出，这样的一层层构建起来的网络。本代码构建了一个含有两个卷积层，两个池化层和两个全连接层的网络，
转载
2023-11-27 09:45:07
87阅读
TensorFlow搭建神经网络TensorFlow搭建神经网络1. 搭建二分类神经网络2. 搭建二分类神经网络(1) 产生数据(2) one-hot编码(3) 制作训练集(4) 搭建神经网络1) 正常搭建神经网络2) 内嵌模式搭建神经网络(5) 配置损失函数和优化器并训练(6) 测试(7) 完整流程3. 搭建回归神经网络4. 使用类的方式搭建神经网络5. 模型的训练、保存和加载(1) Drop
转载
2023-10-19 11:11:46
146阅读
Python3.7和TensorFlow2.1六讲：神经网络计算：神经网络的计算过程，搭建第一个神经网络模型神经网络优化：神经网络的优化方法，掌握学习率、激活函数、损失函数和正则化的使用，用Python语言写出SGD、Momentum、Adagrad、RMSProp、Adam五种反向传播优化器神经网络八股：神经网络搭建八股，六步法写出手写数字识别训练模型网络八股扩展：神经网络八股扩展，增加自制数据
转载
2023-12-28 14:25:31
22阅读
目录 搭建神经网络（Tensorflow）张量（tensor）：计算图：会话（Session）:参数：神经网络实现过程前向传播：前向传播部分代码反向传播搭建神经网络总结搭建神经网络（Tensorflow）用张量(tensor)表示数据，用计算图搭建神经网络，用会话(session)执行计算图，优化线上的权重（参数），得到模型张量（tensor）：多维数组（列表） 阶：张量的维数 0维：标
转载
2023-10-01 21:02:12
168阅读
1、卷积神经网络简介卷积神经网络（Convolutional Neural Network, CNN）作为一个深度学习架构被提出的最初诉求，是降低对图像数据预处理的要求，以及避免复杂的特征工程。CNN不需要将特征提取和分类训练分开，它在训练的时候就自动提取了最有效的特征。 CNN最大的特点是卷积的权值共享结构，可以大幅度减少神经网络的参数量，防止过拟合的同时又降低了神经网络模型的复杂度。一个卷积神
转载
2023-11-27 21:33:48
64阅读
Tensorflow 莫凡学习本篇文章详解讲解了tensorflow的一个简单的实例，具体视频请见B站——Tensorflow 搭建自己的神经网络 (莫烦 Python 教程)。 所采用的框架是 Win10 + Tensorflow1.13 + Pycharm，目标是对Y = x*x 函数进行学习后的拟合。1、定义层进行修改def add_layer(inputs, in_size, out_si
转载
2023-08-19 20:41:14
128阅读
tensorflow使用笔记（二）tensorflow使用笔记（一）Session的两种使用方式和tensorflow中的变量tensorflow使用笔记（二）简单神经网络模型的搭建tensorflow使用笔记（三）tensorboard可视化 目录tensorflow使用笔记（二）搭建一个简单的网络模型 搭建一个简单的网络模型简单的搭建一个三层网络结构的模型：import tensorflow
转载
2024-01-03 20:36:07
71阅读
一 Tensorflow的游乐场及其神经网络的简介 此块，我们将通过Tensorflow的游乐场来快速的介绍神经网络的主要功能。Tensorflow游乐场的链接如下所示：https://playground.tensorflow.org，这是一个可以通过网络浏览器就可以训练的简单的神经网络，并可以实现可视化训练过程的工具。其具体的截图如下所示：&
转载
2023-12-20 06:47:02
61阅读
# TensorFlow搭建卷积神经网络
## 引言
卷积神经网络（Convolutional Neural Network, CNN）是一种在计算机视觉和图像识别领域中广泛应用的深度学习模型。它的特点是能够自动从图像中提取特征，并进行高效的分类和识别。TensorFlow是一个开源的深度学习框架，它提供了丰富的API和工具，方便我们构建和训练卷积神经网络。
本文将介绍如何使用TensorF
原创
2023-10-13 08:05:39
79阅读
单层神经网络的创建张量方式实现import tensorflow as tf
x = tf.random.normal([2, 784])
w1 = tf.Variable(tf.random.truncated_normal([784, 256], stddev=0.1))
b1 = tf.Variable(tf.zeros([256]))
o1 = x @ w1 + b1
print(o1.s
转载
2023-11-02 00:41:29
83阅读
笔记基于北大的tensorflow2.0教程，将课程的一些重要内容记下来，方便于学习。一、人工智能三学派行为主义符号主义：先将问题描述为表达式，在求解表达式（个人认为很像数电的理解）。连接主义：模仿神经元的连接关系（这就是咱们说的神经网络了）二、计算机模仿神经网络连接关系准备大量数据（特征+标签）搭建神经网络调优（就是训练过程，用来获取最佳参数）应用网络（将训练得到的最佳参数模型用来对新数据进行分
转载
2023-11-20 02:27:17
108阅读
一.linux/bantu系统在python2.7安装tensorflor1.安装pip：sudo apt-get install python-pippython-dev2.安装链接：sudo pip install –upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-li
转载
2024-03-30 21:37:12
9阅读
目录1. 背景知识1.1 CNN(卷积神经网络)结构介绍1.2 卷积层1.3 Pooling池化层1.4 经过一次卷积与池化的结果1.5 Flatten1.6 注意Filter的维度1.7 补充：1x1卷积1.8 CNN学到了什么2. 作业描述3. 数据预处理4. 在train set 上训练，参考val set上的结果调参5. 在总的训练集上训练 1. 背景知识1.1 CNN(卷积神经网络)结
转载
2023-11-26 10:06:25
97阅读
