ImageVerifierCode 换一换
格式:PPTX , 页数:16 ,大小:3.55MB ,
文档编号:2534582      下载积分:18 文币
快捷下载
登录下载
邮箱/手机:
温馨提示:
系统将以此处填写的邮箱或者手机号生成账号和密码,方便再次下载。 如填写123,账号和密码都是123。
支付方式: 支付宝    微信支付   
验证码:   换一换

优惠套餐
 

温馨提示:若手机下载失败,请复制以下地址【https://www.163wenku.com/d-2534582.html】到电脑浏览器->登陆(账号密码均为手机号或邮箱;不要扫码登陆)->重新下载(不再收费)。

已注册用户请登录:
账号:
密码:
验证码:   换一换
  忘记密码?
三方登录: 微信登录  
下载须知

1: 试题类文档的标题没说有答案,则无答案;主观题也可能无答案。PPT的音视频可能无法播放。 请谨慎下单,一旦售出,概不退换。
2: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。
3: 本文为用户(三亚风情)主动上传,所有收益归该用户。163文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 本站仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

版权提示 | 免责声明

1,本文(人工智能实践:Tensorflow笔记--神经网络八股-:神经网络八股-课件.pptx)为本站会员(三亚风情)主动上传,163文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。
2,用户下载本文档,所消耗的文币(积分)将全额增加到上传者的账号。
3, 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(发送邮件至3464097650@qq.com或直接QQ联系客服),我们立即给予删除!

人工智能实践:Tensorflow笔记--神经网络八股-:神经网络八股-课件.pptx

1、人工智能实践:Tensorflow笔记曹健北京大学软件与微电子学院神经网络搭建八股iris代码复现MNIST数据集训练MNIST数据集Fashion数据集本讲目标:使用八股搭建神经网络2用Tensorflow API:tf.keras搭建网络八股importtrain, testmodel = tf.keras.models.Spilemodel.fitmodel.summary3六步法model = tf.keras.models.Sequential ( 网络结构 )#描述各层网络网络结构举例:拉直层: tf.keras.layers.Flatten( )全连接层: tf.keras.la

2、yers.Dense(神经元个数, activation= 激活函数“ ,kernel_regularizer=哪种正则化)activation(字符串给出)可选: relu、 softmax、 sigmoid 、 tanhkernel_regularizer可选: tf.keras.regularizers.l1()、tf.keras.regularizers.l2()卷积层: tf.keras.layers.Conv2D(filters = 卷积核个数, kernel_size = 卷积核尺寸,strides = 卷积步长, padding = valid or same)LSTM层: t

3、f.keras.layers.LSTM()pile(optimizer = 优化器,loss = 损失函数metrics = “准确率” )Optimizer可选:sgd or tf.keras.optimizers.SGD (lr=学习率,momentum=动量参数)adagrad or tf.keras.optimizers.Adagrad (lr=学习率)adadelta or tf.keras.optimizers.Adadelta (lr=学习率)adam or tf.keras.optimizers.Adam (lr=学习率, beta_1=0.9, beta_2=0.999)lo

4、ss可选:mse or tf.keras.losses.MeanSquaredError()sparse_categorical_crossentropy or tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False)Metrics可选:accuracy :y_和y都是数值,如y_=1y=1categorical_accuracy :y_和y都是独热码(概率分布),如y_=0,1,0 y=0.256,0.695,0.048sparse_categorical_accuracy :y_是数值,y是独热码(概率分布),如y_=

5、1 y=0.256,0.695,0.048model.fit (训练集的输入特征, 训练集的标签,batch_size= ,epochs= ,validation_data=(测试集的输入特征,测试集的标签),validation_split=从训练集划分多少比例给测试集,validation_freq = 多少次epoch测试一次)model.summary()models.Spilemodel.fitmodel.summary8import源码:p8_iris_sequential.pytrain test9用Tensorflow API:tf.keras搭建网络八股importtrain

6、, testclass MyModel(Model) model=MyMpilemodel.fitmodel.summary六步法class MyModel(Model):def _init_(self):super(MyModel, self)._init_()定义网络结构块def call(self, x):调用网络结构块,实现前向传播return ymodel = MyModel()_init_( )call( )定义所需网络结构块写出前向传播class MyModel(Model)model = MyModeliris_sequential.py11importtrain testcl

7、ass MyMpilemodel.fitmodel.summary源码:p11_iris_class.py00048 238 252 252 253 1861200000 MNIST数据集:提供 6万张 28*28 像素点的09手写数字图片和标签,用于训练。提供 1万张 28*28 像素点的09手写数字图片和标签,用于测试。 导入MNIST数据集:mnist = tf.keras.datasets.mnist(x_train, y_train) , (x_test, y_test) = mnist.load_data() 作为输入特征,输入神经网络时,将数据拉伸为一维数组:tf.keras.l

8、ayers.Flatten( )plt.imshow(x_train0, cmap=gray)#绘制灰度图plt.show()print(x_train0:n , x_train0)x_train0:print(y_train0:, y_train0)y_train0:5print(x_test.shape:, x_test.shapex_test.shape: (10000, 28, 28)源码:p13_mnist_datasets.pymnist_sequential.py源码:p14_mnist_sequential.pyimporttrain testmodels.Spilemodel

9、.fitmodel.summary14mnist_class.py源码:p15_mnist_class.pyimporttrain testclass MyMpilemodel.fit15model.summary FASHION数据集:提供 6万张 28*28 像素点的衣裤等图片和标签,用于训练。提供 1万张 28*28 像素点的衣裤等图片和标签,用于测试。导入FASHION数据集:fashion = tf.keras.datasets.fashion_mnist(x_train, y_train),(x_test, y_test) = fashion.load_data()参考源码: p16_fashion_sequential.pyp16_fashion_class.py

侵权处理QQ:3464097650--上传资料QQ:3464097650

【声明】本站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是网络空间服务平台,本站所有原创文档下载所得归上传人所有,如您发现上传作品侵犯了您的版权,请立刻联系我们并提供证据,我们将在3个工作日内予以改正。


163文库-Www.163Wenku.Com |网站地图|