原创 高斯迴歸過程核函數（RBF，Matern，RationalQuadratic，ExpSineSquared，DotProduct）
轉載源：http://www.sohu.com/a/252035553_99917536 最近在做高斯迴歸過程小車倒擺實驗。修改了Actor中網絡神經元后，及Critic中Batch後，打算看看核函數。 內核操作是把1~2個基內核與新內核
2020-06-21 18:37:50
22
原创 Python深度學習讀書筆記（九）（函數式API-多輸入模型-多輸出模型）
Sequential模型假設，網絡只有一個輸入和一個輸出，並且網絡是層的線性堆疊。然而有的網絡看起來像層構成的圖。許多最新開發的神經架構要求非線性的網絡拓撲結構，即網絡結構爲有向無環圖。 使用函數式API，直接操作張量，把層當做函數來用，
2019-09-16 15:52:49
10
原创 Python深度學習讀書筆記（七）（溫度預測問題Dense,GRU,dropout）
循環神經網絡的高級技巧：循環dropout ,堆疊循環層, 雙向循環層。 GRU層工作原理和LSTM相同，做了簡化，運行計算代價更低。 #觀察數據集中數據 import os data_dir='D:\\jupyter_code\\
2019-09-02 15:41:01
27
原创 Python深度學習讀書筆記（八）（RNN&LSTM和雙向LSTM優化IMDB）
循環神經網絡RNN：遍歷所有序列元素，並保存一個狀態，其中包含已查看和內容相關的信息。實際上是一類具有內部環的神經網絡。重複使用前一次迭代的計算結果。 前饋網絡:將所有待處理數據轉換爲一個大向量，然後一次性處理。 SimpleRNN能夠像
2019-09-02 15:41:01
11
原创 Python深度學習讀書筆記（五）（卷積神經網絡可視化）
卷積神經網絡的可視化：可視化卷積神經網絡中間輸出（中間激活），可視化卷積神經網絡的過濾器，可視化圖像中類激活的熱力圖。 可視化中間激活：對於指定輸入，展示網絡中各個卷積層和池化層輸出的特徵圖（層的輸出通常叫做層的激活）
2019-08-28 16:15:13
5
原创 Python深度學習讀書筆記（六）（使用預訓練的詞嵌入優化IMDB評論分類）
第六章，深度學習用於文本和序列 深度學習不會接收原始文本作爲輸入，只能處理數值張量，文本向量化是指將文本轉換爲數值張量的過程。（文本可分割爲標記：單詞，字符，n-gram，分解爲標記的過程叫做分詞，然後將其轉換爲張量） one-hot
2019-08-28 16:15:13
4
原创 Python深度學習讀書筆記（二）（機器學習基礎）
第四章，機器學習基礎 二分類，多分類，標量回歸都屬於監督學習的例子。 機器學習四大分支： 監督學習：學會將輸入數據映射到已知目標，也叫做標註。 監督學習變體：序列生成，語法樹檢測，目標檢測，圖
2019-08-28 16:15:13
原创 Python深度學習讀書筆記（一）(經典二分類，多分類，迴歸代碼）
第一章．什麼是深度學習 機器學習的技術定義：在預先定義好的可能性空間中，利用反饋信號的指引尋找輸入數據的有用表示。 深度學習的深度是指一系列連續的表示層。分層表示通過叫做神經網絡的模型來學習。 決策樹類似於流程圖結構，對輸入數據點進行
2019-08-28 16:15:13
222
原创 Python深度學習讀書筆記（三）（Kaggle貓狗分類）
第五章，深度學習用於計算機視覺 密集連接層和卷積層的根本區別在於：Dense層（全連接層）從輸入特徵空間中學到是全局模式，卷積層學到的是局部模式。 卷積神經網絡學到的模式具有平移不變性，可以學到模式的空間層次結構。
2019-08-28 16:15:13
原创 Python深度學習讀書筆記（四）（使用VGG16優化kaggle貓狗分類）
預訓練網絡：之前在大型數據集上訓練好，保存好的網絡。如果原始數據集足夠大，足夠通用，則預訓練網絡學到特徵的空間層次結構可以有效的作爲通用模型。 使用預訓練網絡的兩種方法： 特徵提取：對於卷積神經網絡而言，特徵提取就是取出之前訓練好網絡的卷
2019-08-28 16:15:12