余音丶未散的博客

深度学习之keras使用keras安装 安装Numpy、Scipy等科学计算库 安装theano、tensorflow eg:CPU版tensorflow pip install tensorflow pip install keras 修改Backend底层框架Theano或者Tensorflow使用import keras屏幕会显示当前使用的Backend~/.keras/keras.json{

神经网络之python实现 #初始化w b 输入为 [每层的size] eg: [4,5,2] 输入层为4 隐藏层为 5 输出层为 2 def initwb(sizes): num_layers_ = len(sizes) #层数 w_ = [np.random.randn(y, x) for x, y in zip(sizes[:-1], sizes[1:])] #1-最后二层 与 2-最后一层

Tensorflow学习笔记 参考 知乎 莫烦 Tensorflow 安装 # python 2+ 的用户: $ pip install tensorflow # python 3+ 的用户: $ pip3 install tensorflow 更新 # 如果你是 Python 2, 请复制下面 pip uninstall tensorflow # 如果你是 Pyth...

CNN 实现 CNN相比与传统神经网络，主要区别是引入了卷积层和池化层 卷积是使用tf.nn.conv2d, 池化使用tf.nn.max_pool CNN之keras实现 import numpy as np np.random.seed(2017) #为了复现 from __future__ import print_function from keras.datasets i

LSTM之keras实现 TensorFlow之LSTM LSTM之keras实现 import numpy as np np.random.seed(2017) #为了复现 from __future__ import print_function from keras.datasets import mnist from keras.utils import np_ut

Keras实现神经网络 import numpy as np np.random.seed(2017) #为了复现 from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequential from keras.layers import Dense, Acti...

tflearn学习笔记 常见函数解释 tflearn.fully_connected 全连接层 flatten 使传入的张量变平 池化层/降采样层：Pooling Layer 标准化层（Normalization Layer）： Batch Normalization解决了反向传播过程中的梯度问题（梯度消失和爆炸） LRN（Local Response Normali...