首页
学习
活动
专区
工具
TVP
发布

云时之间

机器学习新兵经验合集,经济金融学习经验汇总
专栏作者
237
文章
239035
阅读量
67
订阅数
CV学习笔记(二十一):CRNN+CTC
上次的一篇文章说了下DenseNet,这一篇文章来说一下CRNN+CTC的识别原理以及实现过程。这篇文章原理部分主要参考于白裳老师的“一文读懂CRNN+CTC文字识别”,其中的CTC原理的讲解部分是我见过最清晰易懂的,值得好好读一下。
云时之间
2020-05-20
1.9K0
深度学习与神经网络:制作数据集,完成应用(1)
在这一篇文章里,我们将继续上一篇文章的工作,并且在上一篇文章的前提下加入数据集的制作,最终我们将完成这个全连接神经网络的小栗子. 先说说我们上一篇文章我们的自制数据集的一切缺点,第一,数据集过于分散,在一个文件夹里读取难免导致内存利用率低,而我们将会使用TensorFlow的tfrecords()函数来讲图片和标签制作成这种二进制文件,这样我们的内存利用率会增加不少. 将数据保存为tfrecords文件可以视为这样一个流程: 提取features -> 保存为Example结构对象 -> TFRecordW
云时之间
2018-07-06
8815
深度学习与神经网络:正则化小栗子
在上一篇文章中我们简单说了说AIC,BIC和L1,L2正则化的东西,而今天这篇文章,我们将着重说说正则化. 1:什么是正则化? 首先,拿过来上一篇文章的定义: √正则化:在损失函数中给每个参数 w 加
云时之间
2018-06-20
3410
深度学习与神经网络:mnist数据集实现手写数字识别
大家好,在这一篇文章中,我们将做以下的三件事: 1:介绍mnist数据集的使用 2:创建模型,并且保存模型 3:在测试集中使用保存的模型进行检测 一:介绍mnist数据集的使用 对于mnist数据集,具体的一些介绍我这里就不搬运过来了,这里我直接说我们如何在TensorFlow上使用mnist数据集. 在我们将mnist数据集准备喂入神经网络时,我们需要提前对数据集进行处理,因为数据集的大小是28*28像素,我们就将每张图片处理成长度784的一维数组,将这个数组作为神经网络的训练特征喂入神经网络. 举个例子
云时之间
2018-06-14
1.5K0
Tensorflow 笔记:搭建神经网络
目标:搭建神经网络,总结搭建八股 一、基本概念 1:基于 Tensorflow 的 NN: 用张量表示数据,用计算图搭建神经网络,用会话执行计算图,优化线上的权重(参数),得到模型。 2:TensorFlow的张量: 张量就是多维数组(列表),用“阶”表示张量的维度。 0 阶张量称作标量,表示一个单独的数; 举例 S=123 1 阶张量称作向量,表示一个一维数组; 举例 V=[1,2,3] 2 阶张量称作矩阵,表示一个二维数组,它可以有 i 行 j 列个元素,每个元素可以用行号和列号共同索引到; 举例 m=
云时之间
2018-06-13
7270
深度学习与神经网络:AutoEncoder自编码
今天让我们来看一下深度学习与神经网络里边的自编码. 其实自编码严格来说不能算作是深度学习的内容,我们在之前的机器学习算法中也了解到自编码,并且我们会通过一个简单的例子来去说说自编码的理解. 首先,我们听到自编码,一定会想到,AutoEncoder会是个什么码呢?是条形码,二维码 NO.NO.NO,和他们都没有关系,其实自编码是一种神经网络形式. 现在我们先构架一个神经网络模型,这个模型是收集一张图片,接受这个图片后,神经网络给这个图片压缩,最后再从压缩的图片中还原,是不是感觉有点抽象,其实我也觉得这样的解释
云时之间
2018-06-13
6940
深度学习与TensorFlow:理解卷积神经网络
在之前我们学习好搭建全连接神经网络后,今天让我们继续学习去搭建卷积神经网络,并且来使用mnist进行手写数字识别. 在我们使用的mnist数据集中,一张分辨率仅仅是 28x28 的黑白图像,就有近 40 万个待优化的参数。现实生活中高分辨率的彩色图像,像素点更多,且为红绿蓝三通道信息。 待优化的参数过多,容易导致模型过拟合。为避免这种现象,实际应用中一 般不会将原始图片直接喂入全连接网络。 因此将图片进行多次特征提取,再把提取后的计算机可读特征喂给全连接 网络,这样看起来是一个很好的主意. 1:关于卷积 卷
云时之间
2018-06-08
4200
深度学习与TensorFlow:实现卷积神经网络
在上一篇文章,我们介绍了CNN的一些基本概念和lenet神经网络的架构,今天这一篇文章我们就模仿lenet网络去微调,使其符合mnist数据集的要求,并且达到我们练手的目的. 因为mnist的数据集的
云时之间
2018-06-06
5360
深度学习与TensorFlow:实现卷积神经网络
在上一篇文章,我们介绍了CNN的一些基本概念和lenet神经网络的架构,今天这一篇文章我们就模仿lenet网络去微调,使其符合mnist数据集的要求,并且达到我们练手的目的.
云时之间
2018-06-01
4110
深度学习与TensorFlow:理解卷积神经网络
在之前我们学习好搭建全连接神经网络后,今天让我们继续学习去搭建卷积神经网络,并且来使用mnist进行手写数字识别.
云时之间
2018-05-29
1K7
深度学习与神经网络:制作数据集,完成应用(1)
在这一篇文章里,我们将继续上一篇文章的工作,并且在上一篇文章的前提下加入数据集的制作,最终我们将完成这个全连接神经网络的小栗子.
云时之间
2018-05-21
3.2K4
深度学习与神经网络:mnist数据集实现手写数字识别
对于mnist数据集,具体的一些介绍我这里就不搬运过来了,这里我直接说我们如何在TensorFlow上使用mnist数据集.
云时之间
2018-05-09
1.4K9
深度学习与神经网络:正则化小栗子(附代码)
在上一篇文章中我们简单说了说AIC,BIC和L1,L2正则化的东西,而今天这篇文章,我们将着重说说正则化.
云时之间
2018-05-07
1.3K8
深度学习与神经网络:AIC,BIC,L1,L2
在学习深度学习时,我们经常会听到AIC, BIC 还有l1, lasso 等regularization 的知识。
云时之间
2018-05-07
1.6K3
Tensorflow 笔记:搭建神经网络
用张量表示数据,用计算图搭建神经网络,用会话执行计算图,优化线上的权重(参数),得到模型。
云时之间
2018-05-02
1.5K6
深度学习与神经网络:AutoEncoder自编码
其实自编码严格来说不能算作是深度学习的内容,我们在之前的机器学习算法中也了解到自编码,并且我们会通过一个简单的例子来去说说自编码的理解.
云时之间
2018-05-01
1.3K6
深度学习与神经网络:单层感知机应用(二分类)
因为单层感知器的特性适合于做分类问题,借这个例子我们去实际体会下单层感知器的二分类问题: 比如这样一组数据集: X =[ -9,  1, -12, -4,  0, 5]; Y=[15,  -8, 
云时之间
2018-04-24
4810
深度学习与神经网络:单层感知机应用(二分类)
因为单层感知器的特性适合于做分类问题,借这个例子我们去实际体会下单层感知器的二分类问题:
云时之间
2018-04-19
1.6K2
新手司机带你看神经网络
什么是神经网络 我们现在所谈论的神经网络不是动物或者人上的神经网络,而是为计算机量身定制的神经系统。 计算机神经网络是一种模仿生物的神经中枢或者动物的神经网络的功能所涉及的结构,他本质上是一种数学模型或者是计算机模型。神经网络是由大多数的计算机神经元进行连接进行计算,大多数情况下,计算机神经元能够在外界的影响下可以改变自己的内部结构,可以逐步的适应的这样的一个逐步的过程。现代神经网络是一种基于现代统计学,逻辑概率学所构建的一种工具,常用来对于输入和输出间的特殊关系进行建模或者来探索数据间的模式,神经网络是
云时之间
2018-04-11
4600
什么是卷积神经网络
哈喽,大家好,今天来让我们了解下什么是卷及神经网络,在这篇文章中,我会介绍什么是卷积神经网络,以及卷积神经网络的基本结构和某些具体的应用。话不多说,马上进入正题。 卷积神经网络是近些年来兴起的一种人工网络结构,因为利用卷积神经网络在图片和语言方面能够给出更优秀的结果,因此呢,这种技术也被广泛的传播和应用。卷积神经网络最常用的部分是计算机图片识别。不过因为他的不断创新和不断地迭代也被广泛的用于了视频分析,自然语言处理,药物发现等等。近期很火的阿尔法狗能让计算机看懂围棋,这也是利用了这门技术。 那现在让我们概
云时之间
2018-04-11
8110
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档