机器学习

数据增强不但可以增加数据集的数量，而且对于模型的收敛也有很好的效果，数据增强主要是利用特征的不变性，通过对图像进行旋转、尺寸变换、水平或垂直翻转、

在改善网络性能之前，首先了解一个概念，BatchNormalization，随着网络加深或者在训练过程中，收敛速度变慢，其主要原因是整体分布逐渐往

CIFAR-10一共包含10个类别：飞机(airplane)、汽车(automobile)、鸟类(bird)、猫(cat)、鹿(deer)、狗(d

在了解LeNet之前不妨先来看一组图片，这是由Yann LeCun等人于1998年提出的LeNet5模型，主要用于英文字母与手写数字的识别。这张图

卷积神经网络(CNN)由纽约大学的Yann Lecun于1998年提出，其本质是一个多层感知机，成功的原因在于其所采用的局部连接和权值

理解logistic回归 逻辑回归是用于确定事件概率的一种数学模型，在0-1变量的情况下，当因变量取1时，自变量变化情况，反过来说就是当自变量发生

对于波士顿房屋价格的预测，我们首先需要简单了解一下数据集包含哪些属性，每个属性的作用是什么，然后才能设计模型实现房屋价格的预测。

上一篇博客介绍了多元线性模型，并提到本篇博客将重点介绍多元线性模型的求解，废话不多说，从函数的定义分析开始，直接理解代码的计算过程。

上一篇博客主要对简单的线性回归进行的公式的推导，然后用代码进行了简单的实现。这篇博客接着上次的回归开始，主要进行拓展，讲一下多线性回归的内容。

回归是用于数学建模、分类和预测的关键技术，主要是通过对自变量和因变量的关系进行研究，以直线或曲线来拟合数据点，然后研究如何使得曲线到数据点的

在数字图像处理领域，免不了与图像打交道，因此对于图像的内部细节，我们需要清楚一些，这样方便后期的算法设计。从最基础的概念来讲，0-255可以构成一

tensorflow2.0版本之后相比于1.0版本更方便的一个地方是引入了tensorflow数据集，它可以以tf.data和numpy的形式加载

上一篇博客提到了学习率的概念，这一篇博客所讲述的反向传播也会用到这个概念，反向传播最终更新权重的时候会用到学习率，之所以这一点在开篇就说明

在上一篇博客中实现了手写字体的识别，网络结构非常简单，仅有全连接层构成，后面我也附上了使用自己手写字体验证模型的代码

训练手写数据集模型，并将自己训练的模型保存下来，利用已经保存好的训练模型，识别自己亲手写的数字，非常有趣。

本文已参与「新人创作礼」活动，一起开启掘金创作之路。本文将对激活函数做一个重要讲解，在后面的网络中将经常用到激活函数，它的作用不容小觑

感知器更加的通俗化理解，它就是一种算法而已。举个网络中常用的例子，假设输入为x，x也被称为特征，然后我们期待一个输出y，也就是数学中的线性方程y=wx+b。

Windows10下安装tensorflow2.7.0，并通过代码验证安装是否成功，CPU和GPU两种安装方式全部列出，读者可自行选择。