原创 centos7 下安裝編譯gcc
參考CSDN博客 https://blog.csdn.net/hanq4998/article/details/84675666 gcc各版本鏡像下載的國內網站: https://mirrors.ustc.edu.cn/gnu/
原创 深度學習之RNN①——餘弦相似度
文章目錄餘弦相似度公式特徵情況分析相關代碼 餘弦相似度公式 餘弦相似度衡量的是2個向量間的夾角大小,通過夾角的餘弦值表示結果,因此2個向量的餘弦相似度爲: 分子爲向量A與向量B的點乘,分母爲二者各自的L2相乘,即將所有維度值的平
原创 利用CNN進行圖片簡單分類
利用CNN進行圖片簡單6分類,數據集爲6中車型網上爬取的,這裏進行一系列數據預處理後,進行CNN卷積。 數據集部分展示 代碼展示 #encoding = utf-8 """ @author:syj @file:img_分類
原创 深度學習之多分類(softmax)——底層手寫實現(TensorFlow)
在數學,尤其是概率論和相關領域中,Softmax函數,或稱歸一化指數函數,是邏輯函數的一種推廣。Softmax函數實際上是有限項離散概率分佈的梯度對數歸一化。 它能將一個含任意實數的K維向量 “壓縮”到另一個K維實向量 中,
原创 深度學習之cifar-10⑤——十分類(cifar_10_VGG-9)
這個代碼與前面代碼類似,只是用的模型不一樣,這裏運用的是VGG-9模型,詳情註釋請看 深度學習之cifar-10④——十分類(cifar_10_Alexnet) import tensorflow as tf import
原创 深度學習之cifar-10⑥——十分類(cifar_10_inception)
這個代碼與前面代碼類似,只是用的模型不一樣,這裏運用的是inception模型,詳情註釋請看 深度學習之cifar-10④——十分類(cifar_10_Alexnet) 或 ⑤ 都一樣 import tensorflow as
原创 tensorflow訓練模型模型及保存使用
這裏以mnist(Lenet5)爲例,提前訓練循環一萬次,並保存模型後,二次運行就直接調用保存好的模型,就不用再次訓練,以減少時間。 import tensorflow as tf from tensorflow.exampl
原创 簡易遷移學習
這裏利用官方遷移學習代碼, 用它的Inception-v3模型來進行自己改一個簡單的遷移學習代碼 代碼網址: https://blog.csdn.net/qq_33431368/article/details/79344848
原创 深度學習之mnist⑦——LSTM(長短期記憶)
此代碼主體與前面mnist一樣,用rnn長短期記憶進行多分類 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data
原创 深度學習之cifar-10⑦——LSTM(長短期記憶)
此代碼是在以前代碼的基礎上結合LSTM import tensorflow as tf import os import pickle import numpy as np CIFAR_DIR = "../../datas/
原创 深度學習之BP算法③——手寫數字底層手寫實現(TensorFlow)
MNIST是一個入門級的計算機視覺數據集,它包含各種手寫數字圖片 下載下來的數據集被分成兩部分:60000行的訓練數據集(mnist.train)和10000行的測試數據集(mnist.test)。這樣的切分很重要,在機器學習模型
原创 深度學習之cifar-10⑧——利用數據優化提升準確率(87%)
此代碼是在以前cifar-10的基礎上對數據進行優化(隨機翻轉、調整光照、改變對比度、白化、使用均值或方差的分佈信息、保存參數等等)來提高準確率 import tensorflow as tf import numpy as
原创 深度學習之RNN②——字符序列(ihello)
import tensorflow as tf import numpy as np tf.set_random_seed(777) # reproducibility idx2char = ['h', 'i', 'e',
原创 深度學習之RNN③——字符序列(china is the best)
在深度學習之RNN②——字符序列(ihello) 的基礎上使用了tf.one_hot() 方法,不用再手動去寫獨熱編碼。其他代碼邏輯思想都一樣。 import tensorflow as tf import numpy as
原创 關於在安裝第三方庫時候提示:Fatal error in launcher: Unable to create process using 的解決辦法
百度很多花裏胡哨最後發現更新一下就ok了 python -m pip install --upgrade pip