- 博客(7)
- 收藏
- 关注
RSS订阅原创 GAN损失函数的理解：
GAN损失函数的理解：因为根据对GAN的理解来看，GAN的生成器希望输出的数据分布能够更加的接近真实数据的分布，同时GAN的判别器需要从真实数据和生成器输出的数据之间做出判断，找到真实数据和fake数据。根据GAN的损失函数：minGmaxDL(D,G)=Exr∼Pr(.)logD(x)+Ez∼Pg(.)log[1−D(G(z))]\min_G \max_D L(D,G) = E_{x_...
2020-03-01 17:20:03
12024
1
原创 局部相关性和权值共享
局部相关性和权值共享：局部相关性：目的：为了避免全连接网络的参数集过大的缺点。 以图片为例，对于2D图片通常在进入全连接层之前将矩阵数据打平成1D向量，然后每个像素点与每个输出节点两两相连。网络层中，每个输出节点都与所有的输入节点相连，这种稠密的（Dense）连接方式使得全连接层的参数量大，计算代价高，全连接层也叫做稠密层（Dense Layer），当全连接层的激活函数为空时...
2020-01-14 21:33:25
1727
原创 防止过拟合的方法：
防止过拟合的方法： 机器学习的主要目的是从训练集上学习到数据的真实模型，在未见过的测试集上面表现良好，我们把这种能力叫做泛化能力。通常，训练集和测试集都采用摸个相同的数据分布p(x)p(x)p(x) ，采样得到的样本是相互独立的，但是有来自于相同的分布，即独立同分布假设（Independent Identical Distribution assumption,i.i.d）。...
2020-01-13 22:26:58
206
原创 正则化：
正则化：L0L_0L0,L1L_1L1,L2L_2L2正则化 通过设计不同的层数，大小的网络模型可以为优化算法提供初始的函数假设空间，但是模型的实际容量可以随着网络参数的优化更新产生变化，以一个多项式函数模型为例：y=βo+β1x+β2x2+β3x3+......βnxn+εy = \beta_o+\beta_1x+\beta_2x^2+\beta_3x^3+........
2020-01-13 17:49:37
209
原创 池化层的作用总结：
池化层的作用总结：在卷积神经网络中通常会在相邻的卷积层之间加入一个池化层，池化层可以有效的缩小参数矩阵的尺寸，从而减少最后连接层的中的参数数量。所以加入池化层可以加快计算速度和防止过拟合的作用。池化的原理或者是过程：pooling是在不同的通道上分开执行的（就是池化操作不改变通道数），且不需要参数控制。然后根据窗口大小进行相应的操作。 一般有max pooling、average poolin...
2020-01-06 16:45:45
65447
4
转载 tensorflow中os.environ['TF_CPP_MIN_LOG_LEVEL']：
本文转自: https://blog.csdn.net/c20081052/article/details/90230943看代码时遇到 *os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘0’* ,是设置log输出信息的，根据显示需要的等级， 程序运行时系统打印显示的信息。源码（https://github.com/tensorflow/tensorflow/blo...
2020-01-06 16:43:13
306
原创 python中的函数
python中的zip()、map()、set()、enumerate()函数1、python中的zip（）函数：**zip（）**函数是将可以迭代的对象作为参数，将对象中的对应的元素打包成一个个元组，返回这些元组组成的列表。例：a = [1,2,3,4]b = [2,3,4,5] c = [4,1,3,6,7]zip_1 = zip(a,b)zip_2 = zip(a,c)p...
2019-10-24 15:13:02
96
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人