内容简介:版权声明:本套技术专栏是作者(秦凯新)平时工作的总结和升华,通过从真实商业环境抽取案例进行总结和分享,并给出商业应用的调优建议和集群环境容量规划等内容,请持续关注本套博客。QQ邮箱地址:1120746959@qq.com,如有任何学术交流,可随时联系。方便复习,整成笔记,内容粗略,勿怪。版权声明:本套技术专栏是作者(秦凯新)平时工作的总结和升华,通过从真实商业环境抽取案例进行总结和分享,并给出商业应用的调优建议和集群环境容量规划等内容,请持续关注本套博客。QQ邮箱地址:1120746959@qq.com,
版权声明:本套技术专栏是作者(秦凯新)平时工作的总结和升华,通过从真实商业环境抽取案例进行总结和分享,并给出商业应用的调优建议和集群环境容量规划等内容,请持续关注本套博客。QQ邮箱地址:1120746959@qq.com,如有任何学术交流,可随时联系。
1 神经网络基础知识整理
-
RNN网络模型
-
概率函数
-
Softmax分类器是不知道满足的分类器
-
Softmax分类器计算步骤先exp,再归一化映射到概率值(0-1),最后计算损失函数Li
0.13表示猫的概率,通过Li LOG函数变的越大,0.89 离正确类别越远。
-
SVM与Softmax对比(SVM在10,9,9的结果中计算损失值,损失值将为0,分类效果将不会太好)
- 最优化问题(前向传播,从输入值到损失值的过程,前向传播已经得到初始的权重参数,然后反向传播将主导权重参数的变化)
- 梯度下降
- 反向传播(权重参数对最终的Loss值产生了多大影响,进行回馈调节)
- 链式法则(反向影响可以链式相乘)
- 反向传播计算法则
-
反向传播函数封装求解
-
反向传播基本规律
2 神经网络重要特点(激活函数才是决策者)
- 层次结构
- 非线性,只有非线性(激活函数)才能最终得到分类结果
- Sigmoid函数的弊端(梯度消失问题,w1为0.01时,w0已经不能被反馈更新)
- ReLu首选激活函数(x<0等于0)
3 神经网络展示结果
3.1 神经元对分类的影响
-
神经元为一个:
-
神经元为二个:
-
神经元为三个:
-
神经元20个,产生了过拟合问题
3.2 正则化的作用
3.3 数据的预处理
3.4 权重初始化(w采用高斯初始化或者随机初始化,b采用0初始化)
3.5 DROP-OUT过程(每次前项传播和后向传播根据保留率随机选择)
4 总结
方便复习,整成笔记,内容粗略,勿怪。
版权声明:本套技术专栏是作者(秦凯新)平时工作的总结和升华,通过从真实商业环境抽取案例进行总结和分享,并给出商业应用的调优建议和集群环境容量规划等内容,请持续关注本套博客。QQ邮箱地址:1120746959@qq.com,如有任何学术交流,可随时联系。
秦凯新 于深圳
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 直观理解深度学习基本概念(小白入门深度学习)
- 深度学习的关键:无监督深度学习简介(附Python代码)
- 微软收购深度学习初创公司Lobe 以帮助创建深度学习模型
- 人工智能深度学习Caffe框架介绍,优秀的深度学习架构
- Python猫荐书系列:文也深度学习,理也深度学习
- 【ENVI深度学习】使用ENVI深度学习工具快速识别蔬菜大棚
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Python Web开发:测试驱动方法
Harry J.W. Percival / 安道 / 人民邮电出版社 / 2015-10 / 99
本书从最基础的知识开始,讲解Web开发的整个流程,展示如何使用Python做测试驱动开发。本书由三个部分组成。第一部分介绍了测试驱动开发和Django的基础知识。第二部分讨论了Web开发要素,探讨了Web开发过程中不可避免的问题,及如何通过测试解决这些问题。第三部分探讨了一些高级话题,如模拟技术、集成第三方插件、Ajax、测试固件、持续集成等。本书适合Web开发人员阅读。一起来看看 《Python Web开发:测试驱动方法》 这本书的介绍吧!