3 Barcelooooooooona

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 10w+

TensorFlow学习记录:GoogleNet模型

GoogleNet最核心的亮点就是它的Inception,最大的特点就是去除了最后的全连接层,用全局平均池化层(即使用与特征图尺寸相同的过滤器来做平均池化)来取代它。这么做的原因是:在以往的AlexNet和VGGNet网络中,全连接层几乎占据90%的参数量,占用了过多的运算量内存使用率,而且还会引起过拟合。GoogleNet的做法是去除全连接层,使得模型训练更快并且减轻了过拟合。之后Googl...

2020-02-29 11:33:36

TensorFlow学习记录:VGGNet卷积神经网络模型

1.VGGNet模型结构简介VGGNet是由牛津大学计算机视觉几何组(Visual Geomety Group,VGG)和Google Deepmind公司的研究员合作研发的深度卷积神经网络,VGG的成员Karen Simonyan和Andrew Zisserman在2014年撰写的论文《Very Deep Convolutional Networks for Large-Scale Image...

2020-02-29 11:32:16

python装饰器

前置知识python中的函数可以像普通变量一样当作参数传递给另外一个函数,例如:def foo(): print("foo") def bar(func): func()bar(foo)# 输出# foo装饰器本质上是一个Python函数或类,它可以让其它函数或者类在不需要做任何代码修改的前提下增加额外功能,装饰器返回值也是一个函数/类对象。它经常用于有切...

2019-11-10 20:19:45

python 的高级用法(1)

1、 for- elseelse 不一定必须和 if 搭配,还可以和for搭配使用,例如for i in [1,2,3,4]: print(i)else: print(i, "我是else") # 输出# 1# 2# 3# 4# 4 我是else如果 for 和 else 之间有 if ,也不会影响 for 和 else 之间的关系,因为 for 的...

2019-11-05 10:02:10

python接收命令行输入的参数

parser = argparse.ArgumentParser(description=None) description可描述该脚本的用途,可以为空parser.add_argument(‘is_training’, dest, default, action, help, choices, type) 其中各个参数的解释如下: dest:如果使用了dest参数...

2019-10-19 14:52:20

numpy.asarray()和numpy.array()

numpy.asarray(a, dtype=None, order=None)a : 输入,任何可以转换成array形式的数据,如列表,元组等dtype : 输出数据类型,默认继承输入数据类型(可选参数)order : {'C', 'F'},使用行主('C')或列主('F')内存表示形式,默认为'C'。(可选参数)return : ndarraynumpy.array()的详细参数...

2019-10-17 16:11:55

TensorFlow学习记录:正则化

一般情况下,在机器学习中,不管是分类还是回归任务,为了不因特征过多而导致过拟合,一般通过减少特征或者惩罚不重要特征的权重来缓解这个问题。正则化(Regularization)是我们为了避免过拟合问题常常采用的一种方法,其核心思想就是在损失函数中加入被称为正则化的惩罚。这样我们就可以筛选出最有效的特征,较少特征权重,防止过拟合。假设模型在训练集上的损失函数为J(w)J(w)J(w)(注意,这里w...

2019-10-12 17:03:24

BeautifulSoup爬虫

1.快速开始html_doc = """<html><head><title>The Dormouse's story</title></head><body><p class="title"><b>The Dormouse's story</b></p><p ...

2019-10-11 11:08:15

TensorFlow学习记录:梯度剪裁

TensorFlow用于梯度剪裁的函数为1.tf.clip_by_norm()tf.clip_by_norm( t, clip_norm, axes=None, name=None)这个函数用于标准化张量t,使其的L2范数小于或等于clip_norm。标准化公式为t=t∗clipnorml2norm(t) t = \frac{t*clipnorm}{...

2019-09-29 15:19:42

TensorFlow学习记录:指数滑动平均

为了在采用随机梯度下降算法训练神经网络时提高最终模型在测试数据上的表现,TensorFlow提供了一种在变量上使用指数滑动平均的方法。实现一个变量的指数滑动平均需要首先通过tf.train.ExponentialMovingAverage()函数初始化一个滑动平均类,同时需要向函数提供一个衰减率(Decay)参数,这个衰减率将用于控制模型更新的速度。滑动平均算法会对每一个变量维护一个影子变量,...

2019-09-14 17:52:39

TensorFlow学习记录:学习率

学习率(Learning Rate)通常用于控制梯度下降中参数的更新速度(或幅度)。通常情况下梯度下降优化器都要求设置一个学习率来控制参数的更新速度。如果学习率过小,虽然最终能达到损失函数最小值,但训练过程会耗费太多时间,如果学习率过大,则训练速度会提升,但可能会出现参数在最优值旁边不停地来回“摆动”,而不会收敛到一个极小值。(1)学习率过小的情况:假设有一个损失函数L(w)=w2L(w)=...

2019-09-08 17:04:59

TensorFlow学习记录:常用的梯度下降算法

一般情况下,平常所说的训练神经网络指的都是使用框架里面体提供的优化器(也可以称作梯度下降函数)去降低loss值。梯度下降算法简单点理解就是让损失函数loss对神经网络内的参数进行求导(链式求导),通过不停地更新网络内的参数使得损失值loss沿着损失函数减小的方向移动,最终让损失值loss达到尽可能小的过程。求解梯度下降的过程比较复杂难懂,并且梯度下降方法也有很多中,幸运的是TensorFlow中...

2019-09-08 14:50:34

TensorFlow学习记录:交叉熵损失函数和Softmax函数

1.交叉熵函数在解决深度学习领域的一些问题时,交叉熵用于刻画两个概率分布向量之间的距离,是分类问题中使用比较广泛的一种损失函数。假设有两个概率分布值P和Q是等长的两个向量,可以使用以下公式来计算二者之间的交叉熵值:H(P,Q)=−∑xP(x)logQ(x)H(P,Q)=-\sum_{x}P(x)logQ(x)H(P,Q)=−∑x​P(x)logQ(x)因为可以将交叉熵理解为描述了概率分布Q对...

2019-09-07 16:26:27

Flask学习记录:表单

1. 使用Flask-WTF处理表单1.1 定义WTForms表单类一个表单由若干个输入字段组成,这些字段分别用类表单的类属性来表示(字段即Field,可以简单理解为表单内的输入框、按钮等部件)。from wtforms import Form,StringField,PasswordField,BooleanField,SubmitFieldfrom wtforms.validators...

2019-08-30 17:24:51

Flask学习记录:模板

1.模板基本用法1.1模板语句和语法模板引擎jinjia2常见的3种界定符:语句比如if判断、for循环等:{% ... %}表达式比如字符串、变量、调用函数等:{{...}}注释:{# ... #}在jinjia2中,当要使用语句标识{%…%}时,在语句结束的地方,需要添加结束标签:{% if user.bio %} <i>{{user.b...

2019-08-28 17:28:23

Flask学习记录:搭建开发环境

1.Pipenv简介Pipenv是基于pip的Python包管理工具,它和pip的用法非常相似,可以看作pip的加强版,它的出现解决了旧的pip + virtualenv + requirements.txt的工作方式的弊端。具体来说,它是pip、Pipfile和Virtualenv的结合体, 它让包安装、包依赖管理和虚拟环境管理更加方便,使用它可以实现高效Python项目开发工作流。pipe...

2019-08-27 15:12:28

TensorFlow学习记录:目标检测算法YOLO V3前向传播

YOLO模型是目标检测领域的经典模型,目前已经发展到V3版本。经过一周的学习,已经基本掌握了对YOLO V3前向传播的理解。下面分享一下YOLO V3的前向传播流程。1.YOLO V3模型的结构与样本YOLO V3模型属于监督式训练模型。该模型所使用的样本需要包含两部分的标注信息。物体的位置坐标(矩形框)物体所属的类别将样本中的图片作为输入,将图片上的物体类别及位置坐标作为标签,对模...

2019-08-24 17:32:33

TensorFlow学习记录:激活函数

激活函数的主要作用就是用来加入非线性因素的,以解决线性模型不能进行多分类的问题,在整个神经网络里起到非常重要的作用。因为神经网络的数学基础是处处可微的,所以选取的激活函数要能保证数据输入与输出也是可微的。神经网络中常用的激活函数有Sigmoid、Tanh和Relu等。1.Sigmoid函数Sigmoid函数的数学公式为f(x)=11+e−xf(x)=\tfrac{1}{1+e^{-x}}...

2019-08-19 12:59:29

TensorFlow学习记录:用TF_Serving将人脸识别模型Inception ResNet V2部署到服务器上

部署前先到这里下载已训练好的Inception ResNet V2模型。下载后解压得到如下图所示文件将上图所示pb文件用saved_model模块导出为带有签名的模型文件import tensorflow as tfimport numpy as npfrom tensorflow.python.saved_model import tag_constantsmodel_path ...

2019-08-18 15:12:42

TensorFlow学习记录:用TensorFlow_Serving部署模型并进行远程使用

训练好的模型在使用过程中有多种场景。TensorFlow中提供了一种TF_Serving接口,可以将带有签名的模型部署在远端服务器上,并以服务的方式对外提供借口。之前学习过saved_model模块的用法(详情请点击这里),简单点说saved_model模块就是为了实现TensorFlow Serving(以下简称TF_Serving)功能的。gRPC服务、HTTP/REST API是TF_Se...

2019-08-15 16:24:46

查看更多

勋章 我的勋章
  • 阅读者勋章Lv1
    阅读者勋章Lv1
    授予在CSDN APP累计阅读博文达到3天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。