深度学习

在将学习到的模型进行投入使用前，需要对模型进行性能评估，测试模型对新样本的泛化能力。用来做测试的“测试集”应当与训练集保持互斥。而拆分训练集和测试的方法有留出法，交叉验证法和自主法 1. 评估方法 1

数据预处理是将原始数据进行处理,使其符合一定的标准,能够作为合法输入被运算的数据.常见的预处理方法有: 数据清理/数据清洗:清理掉残废的数据,如有缺失值,噪声,异常值等的数据,将其清洗掉.主要从数据对

1. tfrecord介绍 存在一种高效读取数据的方法,其思想为:对数据进行序列化并将其存储在一组可线性读取的文件(每个文件100-200MB)中,此种方法,适合于通过网络进行流式传输和缓冲数据预处理

1. 图像处理API 1. ImageDataGenerator 作用 利用图像增强,解决样本集过少的问题,提高模型的泛化能力 2. 模型构建API 1. keras.module 1. Sequan

模型加载和处理 tf.train.latest_checkpoint 1. 方法作用 会自动的在指定的文件下查找最新的checkpoint.checkpoint:保存当前变量,包括神经网络的权重等.

tf.data是tensorflow中用于读取和写入数据的工具 相关API 1. tf.data.dataset 1. dataset.shuffle()-数据洗牌 1. 参数和返回值 buffer_

AlexNet 1. 基本结构 1. 基本网络结构 2. 细化的网络结构 2. AlexNet基本技术 1. ReLu函数作为激活函数 ReLu函数的基本图像 ReLu函数基本特点 ReLu函数

1. LeNet5网络综述 LeNet5网络是一个含有5个隐藏层的卷积神经网络(CNN),其基本的网络结构为 2. 网络结构