機器學習第六天神經(jīng)網(wǎng)絡(luò)與圖像識別畫圖_第1頁
機器學習第六天神經(jīng)網(wǎng)絡(luò)與圖像識別畫圖_第2頁
機器學習第六天神經(jīng)網(wǎng)絡(luò)與圖像識別畫圖_第3頁
已閱讀5頁,還剩5頁未讀 繼續(xù)免費閱讀

付費下載

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、神經(jīng)網(wǎng)絡(luò)收集溫度信息軸突末梢溫度太高:溫度低:在神經(jīng)元當中進傳遞軸突75%心中有一個默認值細胞核溫度w1x2+w2x2+w3x3+w4x4+ + n = yx2(0,1)(1,1)感知機是解決分類問題>threshold<=threshold10x1w1w2(1,0)(0,0)x2sum閾值x1與或問題:所有的輸入為1,輸出1w1=1,w2=1輸出= 2, 閾值1.5或:只要有一個為1,輸出就為1w1w2 w1w2sumx1閾值異或問題:相同為0, 同1x2sum單個感知機解決的問題,可以增加激活函數(shù)邏輯回歸:sigmoid神經(jīng)網(wǎng)絡(luò)解釋性,分類過程無法解釋辛頓同的結(jié)構(gòu)解決同的問題感

2、知機>神經(jīng)元多個-> 神經(jīng)網(wǎng)絡(luò)隱層輸出w1w2 w1w2sumx1x2sumx3x4x5圖片分類邏輯回歸:sigmoid>某一個類別的概率二分類貓神經(jīng)網(wǎng)絡(luò):多分類某一個樣->得出屬于全部類別的每一個概率狗人softmax有多少類別,輸出就是多少個羊算法線性回歸邏輯回歸神經(jīng)網(wǎng)絡(luò)策均方誤差對數(shù)似然損失交叉熵損失優(yōu)化梯度下降梯度下降梯度下降二分類反向算法10個類別樣本 -> 1one_hot10個類別28*28= 784全連接層None, 10輸出1 120None, 10x1 x2 x3.x_784一個樣本就有一個交叉熵損失0100000000輸出2300.00.70

3、.1.0.02softmax784*10None, 784120000輸出1050求所有樣本的損失,然后求平均損失10單層(全連接層)實現(xiàn)手寫數(shù)字識別特征值None,784目標值None, 101、定義數(shù)據(jù)占位符特征值None,784目標值None, 102、建立模型隨機初始化權(quán)重和偏置w784, 10b = 10y_predict = tf.matmul(x, w) + b3、計算損失loss 平均樣本損失4、梯度下降優(yōu)化步數(shù)20000.1準確率卷積神經(jīng)網(wǎng)絡(luò)奇數(shù)零填充卷積層:定義過濾(觀察窗口)大小, 步長(移動的像素數(shù))1移動越過圖片大小:1、越過,直接停止觀2、就直接超過 SAME1*1

4、, 3*3, 5*528,28,1卷積層:32個filter, 3*3,步長1,p=1H2 = (28-3+ 2P)/1+1= 28w2=(28-3+ 2P)/1+1 = 28relu27, 27, 32:2,22sigmoid= 1/1+e-zrelu = max(0, x)增加激活函數(shù):增加網(wǎng)絡(luò)的非線性分割能卷積層,激活,全連接net卷積層1、300,4002、20*20, 30*2010個類別None, 784None, 10None, 28, 28, 1卷積神經(jīng)網(wǎng)絡(luò):一卷積層:卷積:32個filter, 5*5,strides1, padding=“SAME”bias = 32輸入:None, 28, 28, 1輸出:None, 28,28, 32激活:None, 28,28, 32:2*2 ,strides2, padding=“SAME”None, 28, 28, 32>None, 14, 14, 32二卷積層:卷積:64個filter,5*5,strides1,padding=“SAME”bias = 64輸入:None, 14, 14, 32輸出:None, 14, 14, 64激活:None, 14, 14, 64:2*2, strides2輸入:Non

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論