tf.float32 第3页

深度学习TensorFlow入门实战

本章介绍一个现阶段使用最广泛的深层学习框架——TensorFlow。因为TensorFlow所拥有的社区支持度日益增长，所以使用它来构建复杂的深度学习应用程序是我们的不二选择。从TensorFlow网站我们可以看到：TensorFlow是一个使用数据流图进行数值计算的开源软件库。图中的节点代表数学运...

深度学习-编码器

深度学习中的自编码器是一种无监督学习的神经网络模型，用于学习数据的低维表示。它由一个编码器和一个解码器组成，编码器将输入数据映射到一个低维的隐藏表示，解码器将隐藏表示映射回原始数据空间。自编码器的目标是最小化重构误差，即通过解码器重构的数据与原始数据之间的差异。...

深度学习--直面配分函数分支

深度学习中的自编码器是一种无监督学习的神经网络模型，用于学习数据的低维表示。它由一个编码器和一个解码器组成，编码器将输入数据映射到一个低维的隐藏表示，解码器将隐藏表示映射回原始数据空间。自编码器的目标是最小化重构误差，即通过解码器重构的数据与原始数据之间的差异。...

深度学习 第六章 深度前馈网络 后半部分

深度学习计算图是一种图形化表示神经网络中计算流程的方法。它由节点和边组成，节点代表计算操作，边代表数据流动。每个节点接收输入数据并进行一些计算操作，然后将结果传递给其他节点。...

深度学习 第七章 深度学习中的正则化

深度学习参数范数惩罚是一种正则化技术，用于减小模型的复杂度，防止过拟合。它通过在损失函数中添加一个参数范数的惩罚项，使得模型的权重在训练过程中趋向于较小的值。...

深度学习 - 提升训练质量的技巧合集

在深度学习中经常出现一些问题导致训练出来的效果不佳，这篇文章就说一说如何提升网络训练的质量。索引：欠拟合过拟合如何检测过拟合如何过拟合动量梯度下降学习率自适应提前停止...

机器学习——生成模型

前面无监督学习主要针对的是一种“降维”的学习任务，将数据降维到另一个能够表达数据含义的某种空间中，本节主要是无监督学习中的另一个任务——生成进行介绍。...

机器学习100天-Day2103 Tensorflow模型保存读取&可视化

说明：本文依据《Sklearn与TensorFlow机器学习实用指南》完成，所有版权和解释权均归作者和翻译成员所有，我只是搬运和做注解。进入第二部分深度学习...

新型循环神经网络IndRNN可构建更长更深的RNN

近日，澳大利亚伍伦贡大学联合电子科技大学提出一种新型的循环神经网络IndRNN，不仅可以解决传统RNN所存在的梯度消失和梯度爆炸问题，还学习长期依赖关系；此外，借助relu等非饱和激活函数，训练之后IndRNN会变得非常鲁棒，并且通过堆叠多层IndRNN还可以构建比现有RNN更...

数据载入过慢这里有一份TensorFlow加速指南

王小新编译自TowardsDataScience量子位出品|公众号QbitAI机器学习算法烂熟于心，网络结构顺手拈来，但是如果数据集载入时耗费大量时间，那整个训练时间就会大大增加。这个问题可能困扰着很多使用大型数据集训练的炼丹师们。最近，FrancescoZuppichini在me...