原创 動手學深度學習學習筆記tf2.0版（6.7 門控循環單元（GRU））
核心代碼如下: # 從零實現 GRU，其實與 RNN 的主要區別在於有門的設計 # 確定哪些是需要初始化模型參數： # 核心公式就是一下 四個 # Rt=σ(XtWxr+Ht−1Whr+br), Zt=σ(XtWxz+
2020-04-16 11:59:16
原创 conda安裝的國內鏡像配置，實現快速下載
anaconda的所有的軟件包全部在國外，安裝起來很麻煩，關鍵是下載速度慢，而且經常中斷，所以需要配置國內安裝的鏡像，下載速度就很快了。 一、conda換國內源 1.1 查看源 命令 conda config --show-sou
2020-03-28 23:51:22
原创 CRF和LSTM的區別和優劣
主要參考自：https://www.zhihu.com/question/46688107/answer/117448674?from=profile_answer_card
2020-03-28 23:51:22
原创 動手學深度學習學習筆記tf2.0版（5.10 批量歸一化）
batch_normalization就是在batch方向上，做樣本歸一化 5.10.2. 從零開始實現 下面我們通過numpy中的ndarray來實現批量歸一化層。 def batch_norm(is_training,X
2020-03-18 19:14:37
原创 使用Matplotlib子圖展示卷積神經網絡中間特徵圖層
import tensorflow as tf import matplotlib as plt from tensorflow.keras.datasets import fashion_mnist (x_train, y_t
2020-03-18 19:14:37
原创 卷積的三種模式full, same, valid以及padding的same, valid
轉載一個最清晰的講解方式：https://zhuanlan.zhihu.com/p/62760780
2020-03-18 19:14:37
原创 Matplotlib子圖相關操作
# 準備畫布 fig = plt.figure() # 添加子圖 2 * 2 的第1張圖 ax1 = fig.add_subplot(221) # 添加子圖 2 * 2 的第2張圖 ax2 = fig.add_subplot(22
2020-03-18 19:14:37
原创 動手學深度學習學習筆記tf2.0版（5.9 含並行連結的網絡（GoogLeNet））
GoogLeNet學習筆記 github代碼地址：https://github.com/taichuai/d2l_zh_tensorflow2.0 模型結構仔細理解一下 import tensorflow as tf pri
2020-03-17 04:04:35
原创 動手學深度學習學習筆記tf2.0版（5.8 網絡中的網絡（NiN））
NiN學習筆記 github代碼地址：https://github.com/taichuai/d2l_zh_tensorflow2.0 import tensorflow as tf print(tf.__version__
2020-03-17 04:04:35
原创 動手學深度學習學習筆記tf2.0版（5.6 深度卷積神經網絡（AlexNet））
import tensorflow as tf print(tf.__version__) import os for gpu in tf.config.experimental.list_physical_devic
2020-03-15 11:31:25
原创 動手學深度學習學習筆記tf2.0版（5.7 使用重複元素的網絡（VGG））
import tensorflow as tf import os print(tf.__version__) VGG塊的組成規律是：連續使用數個相同的填充爲1、窗口形狀爲 3×3 的卷積層後接上一個步幅爲2、窗口形狀爲
2020-03-15 11:31:25
原创 動手學深度學習學習筆記tf2.0版（5.5 卷積神經網絡（LeNet））
data_format：一個字符串，其值爲 channels_last（默認值）或者 channels_first。它表明輸入的維度的順序。此參數的目的是當模型從一種數據格式切換到另一種數據格式時保留權重順序。channel
2020-03-15 11:31:25
原创 動手學深度學習學習筆記tf2.0版（5.3 多輸入通道和多輸出通道）
import tensorflow as tf import os # 一、多輸入通道，單輸出通道 # 輸入形狀爲 h * w * channel def corr2d(X, K): c,h,w = K.shape
2020-03-12 10:10:53