首页
首页
沸点
课程
直播
活动
竞赛
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
科技老丁哥
掘友等级
人工智能 算法攻城狮
大数据,人工智能,数据挖掘,机器学习,算法开发,架构师
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
68
文章 68
沸点 0
赞
68
返回
|
搜索文章
最新
热门
Python笔记003-生成器和生成器表达式
以下是我学习《流畅的Python》后的个人笔记,现在拿出来和大家共享,希望能帮到各位Python学习者。 生成器使用yield做关键字,一次只返回一个值给调用者,然后暂停执行,其作用是:节省内存空间。 生成器可以用next()函数,也可以用for迭代的方式获取元素值,中间还可以…
Python笔记002-列表推导式
以下是我学习《流畅的Python》后的个人笔记,现在拿出来和大家共享,希望能帮到各位Python学习者。 列表推导式可以从一个序列快速构建另一个序列,非常方便快捷,强烈建议使用。 列表推导式适用于简单的for循环,可以对一个列表中的每个元素进行相同操作,也可以挑选出原列表中满足…
Python笔记001-类的特殊方法
以下是我学习《流畅的Python》后的个人笔记,现在拿出来和大家共享,希望能帮到各位Python学习者。 类的特殊方法(一般都在前后带有两个下划线,比如__len__和__getitem__),其存在的目的是被Python解释器调用,而不是类的对象来调用。 对于自定义的类,一般…
【火炉炼AI】深度学习010-Keras微调提升性能(多分类问题)
前面的文章(【火炉炼AI】深度学习007-Keras微调进一步提升性能)我们对二分类问题用Keras进行了Fine-tune,使得模型的准确率进一步提升,此处我们看看对于多分类问题,怎么使用Fine-tune来提升性能。 1. 准备数据集 和文章【火炉炼AI】深度学习008-K…
【火炉炼AI】深度学习009-用Keras迁移学习提升性能(多分类问题)
本文是仿照前面的文章【火炉炼AI】深度学习006-移花接木-用Keras迁移学习提升性能,原文是针对二分类问题,使用迁移学习的方式来提升准确率,此处我用迁移学习的方式来提升多分类问题的准确率。 同时,在我前面的文章中【火炉炼AI】深度学习008-Keras解决多分类问题,使用普…
【火炉炼AI】深度学习008-Keras解决多分类问题
在我前面的文章【火炉炼AI】深度学习005-简单几行Keras代码解决二分类问题中,介绍了用Keras解决二分类问题。那么多分类问题该怎么解决?有哪些不同? 1. 准备数据集 为了演示,本次选用了博文keras系列︱图像多分类训练与利用bottleneck features进行…
【火炉炼AI】深度学习007-Keras微调进一步提升性能
本文使用微调(Fine-tune)技术来提升模型的性能,是前面的两篇文章(编号为005和006)的延续。前面我们通过迁移学习(文章006)将这个猫狗大战二分类问题的预测准确率提升到了90%左右,但是还能不能进一步提升了? 前面我们没有对VGG16的卷积层进行参数的优化,那么我们…
【火炉炼AI】深度学习006-移花接木-用Keras迁移学习提升性能
上一篇文章我们用自己定义的模型来解决了二分类问题,在20个回合的训练之后得到了大约74%的准确率,一方面是我们的epoch太小的原因,另外一方面也是由于模型太简单,结构简单,故而不能做太复杂的事情,那么怎么提升预测的准确率了?一个有效的方法就是迁移学习。 迁移学习其本质就是移花…
【火炉炼AI】深度学习005-简单几行Keras代码解决二分类问题
很多文章和教材都是用MNIST数据集作为深度学习届的“Hello World”程序,但是这个数据集有一个很大的特点:它是一个典型的多分类问题(一共有10个分类),在我们刚刚开始接触深度学习时,我倒是觉得应该从最简单的二分类问题着手。 在深度学习框架方面,目前比较流行的是Tens…
【火炉炼AI】深度学习004-Elman循环神经网络
Elman神经网络是最早的循环神经网络,由Elman于1990年提出,又称为SRN(Simple Recurrent Network, 简单循环网络)。SRN考虑了时序信息,当前时刻的输出不仅和当前时刻的输入有关,还和前面所有时刻的输入有关。SRN是RNN结构中最简单的一种,相…
下一页
个人成就
文章被点赞
293
文章被阅读
92,795
掘力值
2,699
关注了
0
关注者
4,534
收藏集
0
关注标签
8
加入于
2018-08-03