原创 tensorboard入門代碼

  import tensorflow as tf with tf.name_scope("input1"): input1 = tf.constant([1.0, 2.0, 3.0], name="input1") with

原创 ResNet殘差網絡學習小結

目錄 背景介紹 網絡介紹 殘差網絡起作用的原因 殘差網絡的矩陣維度 殘差網絡的圖像識別 背景介紹 殘差網絡是由何愷明大神提出的一種卷積神經網絡,作者通過152層的殘差網絡獲得2015年ImageNet圖像分類和物體識別的冠軍。 因爲CNN

原创 深度學習的幾種權重初始化

       因爲梯度是指數級變化的,所以深度神經網絡很容易出現梯度消失或者梯度爆炸的問題。針對這個問題的很有效的方法是更加謹慎地選擇隨機初始化參數。       主要討論四種權重初始化方法:把w初始化爲0、對w隨機初始化、Xavier

原创 卷積神經網絡在分類層用卷積層代替全連接層的好處(附代碼演示)

先說一下結論: 好處:可以讓卷積神經網絡模型的訓練集和測試集的圖像大小不一樣,如果是全連接層則必須輸入圖像的大小一致。 分析過程: 全連接層—代碼演示具體操作 假設batch-size是1,最後的卷積層輸出大小是5X5,通道數是512的

原创 卷積神經網絡中關於全局平均池化代替全連接層、以及參數計算等的一些思考

一、引發思考的實驗與問題: 在一個非常小的二分類樣本集(樣本總數目63,“10-crop”法數據增強10倍,樣本爲矩陣保存爲圖片),通過ALexNet模型和VGG模型做分類任務,無論怎麼調超參數,留出法重複50次的實驗情況大致都如圖A所示

原创 Ubuntu中安裝了GPU—相關查看指令

最近在Ubuntu中安裝了TensorFlow的GPU版本,和windows一樣還是先安裝cuda,再安裝cudnn,最後安裝TensorFlow-gpu,這裏同樣特別需要注意版本號對應,另外一些操作都是在終端裏進行的,下面總結一些終端裏

原创 解決TensorFlow多次運行神經網絡衝突的問題

問題來源:爲了驗證神經網絡的穩定性,我把數據集隨機劃分了10次(每次都有訓練集和測試集),那怎麼讓神經網絡自動跑十次,得出平均準確率呢?即如何讓用tf搭建的神經網絡在多個數據集中依次訓練? 如果只是簡單的加for循環: 會導致如下錯誤:

原创 禁止某些網站登錄

引言: 由於疫情在家,學習效率不行,最近總是會刷4399小遊戲(別笑hhh)和嗶哩嗶哩(以前只看野生技術協會,現在發現生活區太好看了,根本停不下來)。於是,對於我這種自制力差的人,只能出此治標不治本的方法了,禁止這些網站的登錄。   第一

原创 【親測有效】【無需重啓電腦】三步解決電腦右鍵點擊桌面沒反應

問題:最近不知道咋了,電腦的小毛病有點多,今天本來想在桌面新建一個word,發現右鍵沒有效果,同時發現在電腦的網頁或者文件夾內單擊右鍵,還是有效果的,說明問題是出在我的桌面而不是我的鼠標。 試了一些方法,終於找到好用的極簡方法(只需要三步

原创 TensorFlow實現:卷積神經網絡識別手勢動作(有代碼與演示)

完整代碼見我的GitHub地址:https://github.com/xingjianzhang1997/gesture-recognition 主要思路:1.構建數據集          2.建立神經網絡         3.訓練並調參

原创 win10刪除文件夾需要提供管理員權限(實測可用超簡單方法)

有些文件夾的刪除很頭疼,一定要提供管理員權限,我試了很多辦法都沒有成功,比如360強力刪除。右鍵給了管理員權限,更改文件屬性等等,但是都失敗了,後面發現了一種超級簡單好用的方法! 重啓電腦,然後以最快的速度刪除這個文件夾(越快越好),趁電

原创 TensorFlow:卷積神經網絡手勢識別項目的調參感悟

調參感悟 對於網絡的選擇,我採用通用的由簡入繁的做法(在吳恩達的課程中,他也多次表達了這類思想)。 首先,嘗試了簡單網絡LeNet-5,由於網絡的設計原因,對於5分類測試集上的表現非常糟糕(過擬合)。 其次,嘗試複雜一些的AlexN

原创 【親測有效】解決電腦不能複製粘貼的幾種方法

問題起源:今天開機,我習慣性的用ctrl+c複製,但是突然發現無用,一開始還以爲是鍵盤不靈敏,用鼠標點擊複製,也沒有效果,後發現截圖也不行了。 我成功的方法是第三種方法。 無法複製的第一種解決方法:電腦磁盤清理 打開我的電腦——右鍵我

原创 EEGnet模型論文講解(畫圖詳解三種卷積層操作)

我錄了一個講解視頻:https://www.bilibili.com/video/BV1si4y1s7g7/ 目錄 一、整體介紹 二、梳理激活函數 三、圖解三種卷積層   (核心內容) 四、總結   一、整體介紹 EEGnet是爲專門一般

原创 卷積神經網絡中關於全連接層效果、參數計算等的一些思考

一、引發思考的實驗與問題: 在一個非常小的二分類樣本集(樣本總數目63,“10-crop”法數據增強10倍,樣本爲矩陣保存爲圖片),通過ALexNet模型和VGG模型做分類任務,無論怎麼調超參數,留出法重複50次的實驗情況大致都如圖A所示