原创 caffe詳解之Python接口

從零開始,一步一步學習caffe的使用,期間貫穿深度學習和調參的相關知識!   生成net文件 from caffe import layers as L, params as P def lenet(lmdb, batch_si

原创 半小時拿下Python數據處理之Matplotlib篇

半小時拿下Python數據處理之Matplotlib篇matplotlib三種代碼風格pyplotpylabObject Oriented子圖多圖散點圖(scatter)條形圖 (bar)直方圖(hist)餅狀圖(pie)箱型圖(

原创 半小時拿下Python數據處理之Pandas篇

半小時拿下Python數據處理之Pandas篇Pandas數據結構SeriesDataFramePandas 數據操作Series索引DataFrame索引運算與對齊`Series` 對齊操作`DataFrame` 對齊操作函數應

原创 半小時拿下Python數據處理之Seaborn篇

半小時拿下Python數據處理之Seaborn篇Seaborn簡介Seaborn樣式matplotlib與seaborn繪圖比較Seaborn 5種主題風格用despine()移除軸線臨時設置圖表樣式重載seaborn樣式的元素使

原创 半小時拿下Python數據處理之Numpy篇

半小時拿下Python數據處理之Numpy篇ndarray的內存結構Numpy數組初始化可以調用np.array去從list初始化一個數組:一些內置的創建數組的函數Numpy數組數據類型使用astype複製數組並轉換數據類型使用a

原创 神經網絡架構搜索——可微分搜索(DARTS)

神經網絡架構搜索——可微分搜索(DARTS)背景算法核心思想搜索空間Cell的組成優化策略生成最終Cell結構normal cell searchreduce cell search網絡結構堆疊結果CIFAR-10ImageNet

原创 神經網絡架構搜索——可微分搜索(P-DARTS)

神經網絡架構搜索——可微分搜索(P-DARTS)動機方法實驗結果CIFAR-10ImageNet參考 華爲發表在 ICCV 2019上的NAS文章,致力於解決在 proxy 訓練與 target 測試的模型 depth gap

原创 神經網絡架構搜索——可微分搜索(SGAS)

神經網絡架構搜索——可微分搜索(SGAS)動機方法整體思路三個指標邊的重要性選擇的準確性選擇的穩定性兩種評估準則評估準則1:評估準則2:實驗結果CIFAR-10(CNN)ImageNet(CNN)ModelNet40(GCN)PP

原创 神經網絡架構搜索——可微分搜索(PC-DARTS)

神經網絡架構搜索——可微分搜索(PC-DARTS)動機貢獻點方法部分通道連接(Partial Channel Connection)邊緣正規化(Edge Normalization)實驗結果CIFAR-10ImageNet消融實驗

原创 Tensorflow神經網絡之多層感知機Eager API

Tensorflow多層感知機Eager API from __future__ import print_function import tensorflow as tf import tensorflow.contrib.eag

原创 Tensorflow模型的保存與讀取

前言 首先,我們從一個直觀的例子,講解如何實現Tensorflow模型參數的保存以及保存後模型的讀取。 然後,我們在之前多層感知機的基礎上進行模型的參數保存,以及參數的讀取。該項技術可以用於Tensorflow分段訓練模型以及對經典模

原创 Tensorflow神經網絡之LSTM

LSTM 簡介 公式 LSTM LSTM作爲門控循環神經網絡因此我們從門控單元切入理解。主要包括: 輸入門:It 遺忘門:Ft 輸出門:Ot 候選細胞:~Ct 細胞:Ct 隱含狀態:Ht 假設隱含狀態長度爲h,數據Xt是一個樣本數

原创 Tensorflow神經網絡之多層感知機

多層感知機簡介 多層感知機模型 這裏定義含有兩個隱含層的模型,隱含層輸出均爲256個節點,輸入784(MNIST數據集圖片大小28*28),輸出10。 激活函數 比較常用的是 ReLU:relu(x)=max(x,0),本例中沒有加

原创 TensorBoard基礎篇

TensorBoard簡介 TensorBoard是Tensorflow自帶的一個強大的可視化工具,也是一個web應用程序套件。在衆多機器學習庫中,Tensorflow是目前唯一自帶可視化工具的庫,這也是Tensorflow的一個優點

原创 Tensorflow神經網絡之卷積神經網絡

Tensorflow卷積神經網絡實現 from __future__ import division, print_function, absolute_import import tensorflow as tf import m