TensorFlow 中的基本 RNN 首先，我们来实现一个非常简单的 RNN 模型，而不使用任何 TensorFlow 的 RNN 操作，以更好地理解发生了什么。 我们将使用 tanh 激活函数创建由 5 个循环神经元的循环层组成的 RNN（如图 14-2 所示的 RNN）。 我们将假设 RNN 只运行两个时间步，每个时间步输入大小为 3 的向量。 下...

八、对抗训练 八、对抗训练 神经网络在预测过程中，可以故意人工构造这样的一种样本：对输入点 ，我们搜寻它的附近的一个人眼看起来没有区别、网络预测结果差异很大的样本 。 输入点 来自于训练集，称作原始样本；而 是人工构造的，称作对抗样本adversarial example 。 我们可以通过将对抗样本加入训练集来改善模型的泛化能力，这称...

文章链接：http://mp.weixin.qq.com/s?__biz=MzIxMjAzNDY5Mg==&mid=2650790854&idx=1&sn=6a7d238a0d558f4e0d6ca02e4d0b6d5d&scene=21#wechat_redirect 原文: https://hit-scir.gitbooks.io/neural-...

复用预训练层 从零开始训练一个非常大的 DNN 通常不是一个好主意，相反，您应该总是尝试找到一个现有的神经网络来完成与您正在尝试解决的任务类似的任务，然后复用这个网络的较低层：这就是所谓的迁移学习。这不仅会大大加快训练速度，还将需要更少的训练数据。 例如，假设您可以访问经过训练的 DNN，将图片分为 100 个不同的类别，包括动物，植物，车辆和日常物品...

一、LeNet 一、LeNet 1998年LeCun 推出了LeNet 网络，它是第一个广为流传的卷积神经网络。 LeNet 网络包含了卷积层、池化层、全连接层，这些都是现代CNN 网络的基本组件。 输入层：二维图像，尺寸为32x32 。 C1、C3、C5 层：二维卷积层。 其中C5 将输入的 feature map ...

ONNX 现场演示教程 什么是ONNX 教程预览 环境准备 下载(或训练）Pytorch风格装换模型 将PyTorch模型转换至ONNX模型 将ONNX模型转换至CoreML模型 在支持风格转换iOS App中运行CoreML模型 结论 ONNX 现场演示教程 译者：冯宝宝 本教程将向您展示如何使用ONNX将已从PyTo...

引言 引言 在这部分，您将了解 MegEngine 的基础概念和基本使用方法。 为了学习这部分内容，您需要： 根据 安装说明 成功安装 MegEngine。 具备 Python 和 NumPy 的基础知识。 您不需要： 了解其它的深度学习框架，如 PyTorch。 具备机器学习和深度神经网络的背景知识。 这部分...

基于U-Net卷积神经网络实现宠物图像分割 一、简要介绍 二、环境设置 三、数据集 3.1 数据集下载 3.2 数据集概览 3.3 PetDataSet数据集抽样展示 3.4 数据集类定义 四、模型组网 4.1 定义SeparableConv2D接口 4.2 定义Encoder编码器 4.3 定义Decoder解码器 4.4 训练模型组网...

深入MNIST 安装 加载MNIST数据 运行TensorFlow的InteractiveSession 计算图 构建Softmax 回归模型 占位符 变量 类别预测与损失函数 训练模型 评估模型 构建一个多层卷积网络 权重初始化 卷积和池化 第一层卷积 第二层卷积 密集连接层 Dropout 输出层 训练和评估模型 ...

API功能分类 API功能分类 本模块分功能向您介绍PaddlePaddle Fluid的API体系和用法，提高您的查找效率，帮助您快速了解PaddlePaddle Fluid API的全貌，包括以下几个模块： 基础概念 神经网络层 复杂网络 优化器 反向传播 评价指标 模型保存与加载 预测引擎 执行引擎 数据并行执行引擎 C...