科技老丁哥

以下是我学习《流畅的Python》后的个人笔记，现在拿出来和大家共享，希望能帮到各位Python学习者。 生成器使用yield做关键字，一次只返回一个值给调用者，然后暂停执行，其作用是：节省内存空间。 生成器可以用next()函数，也可以用for迭代的方式获取元素值，中间还可以…

以下是我学习《流畅的Python》后的个人笔记，现在拿出来和大家共享，希望能帮到各位Python学习者。 列表推导式可以从一个序列快速构建另一个序列，非常方便快捷，强烈建议使用。 列表推导式适用于简单的for循环，可以对一个列表中的每个元素进行相同操作，也可以挑选出原列表中满足…

以下是我学习《流畅的Python》后的个人笔记，现在拿出来和大家共享，希望能帮到各位Python学习者。 类的特殊方法（一般都在前后带有两个下划线，比如__len__和__getitem__），其存在的目的是被Python解释器调用，而不是类的对象来调用。 对于自定义的类，一般…

前面的文章(【火炉炼AI】深度学习007-Keras微调进一步提升性能)我们对二分类问题用Keras进行了Fine-tune，使得模型的准确率进一步提升，此处我们看看对于多分类问题，怎么使用Fine-tune来提升性能。 1. 准备数据集 和文章【火炉炼AI】深度学习008-K…

本文是仿照前面的文章【火炉炼AI】深度学习006-移花接木-用Keras迁移学习提升性能，原文是针对二分类问题，使用迁移学习的方式来提升准确率，此处我用迁移学习的方式来提升多分类问题的准确率。 同时，在我前面的文章中【火炉炼AI】深度学习008-Keras解决多分类问题，使用普…

在我前面的文章【火炉炼AI】深度学习005-简单几行Keras代码解决二分类问题中，介绍了用Keras解决二分类问题。那么多分类问题该怎么解决？有哪些不同？ 1. 准备数据集 为了演示，本次选用了博文keras系列︱图像多分类训练与利用bottleneck features进行…

本文使用微调（Fine-tune)技术来提升模型的性能，是前面的两篇文章（编号为005和006）的延续。前面我们通过迁移学习(文章006)将这个猫狗大战二分类问题的预测准确率提升到了90%左右，但是还能不能进一步提升了？ 前面我们没有对VGG16的卷积层进行参数的优化，那么我们…

上一篇文章我们用自己定义的模型来解决了二分类问题，在20个回合的训练之后得到了大约74%的准确率，一方面是我们的epoch太小的原因，另外一方面也是由于模型太简单，结构简单，故而不能做太复杂的事情，那么怎么提升预测的准确率了？一个有效的方法就是迁移学习。 迁移学习其本质就是移花…

很多文章和教材都是用MNIST数据集作为深度学习届的“Hello World”程序，但是这个数据集有一个很大的特点：它是一个典型的多分类问题（一共有10个分类），在我们刚刚开始接触深度学习时，我倒是觉得应该从最简单的二分类问题着手。 在深度学习框架方面，目前比较流行的是Tens…