發(fā)簡信
IP屬地：山東
-
理解Tensorflow的shape
Tensorflow中的shape應該怎么理解，怎么記住呢？ 以上面這段代碼為例為例。首先，單看[1,2,3]，這是1維的，但它作為shape時...
-
反思tensorflow實現(xiàn)RNN中遇到的問題
在寫placeholder時，shape參數(shù)一定要和喂給的數(shù)據(jù)shape一致，這是毋庸置疑的。x = tf.placeholder(tf.flo...
-
開始學習RNN
首先從閱讀論文開始。 先后閱讀了如下文章 關于《A Critical Review of Recurrent Neural Networks f...
-
遷移學習的延伸思考遷移學習是將一個已經訓練好的多層神經網絡的后幾層拿掉，替換成另一個任務的輸出層。已訓練完的神經網絡提供前面幾層的權重，繼承給新神經網絡。在喂入新...
-
loss下降之路 —— 小批量梯度下降法y值開始浮動了，那么loss現(xiàn)在是什么情況呢？ 單輸出loss，似乎看不出來。 在tensorboard中觀察一下 看來基本面是向好的，權重開始...
-
梯度不下降怎么辦？欠擬合的解決方案在網絡上查閱很多擬合曲線的示例后發(fā)現(xiàn)，絕大部分都在用平方差（tf.square）作為曲線擬合的loss，從這點深入搜索后發(fā)現(xiàn)，平方差（tf.sq...
-
tensorflow獲取訓練過程中變量的值
訓練時，想要獲取過程中的值，網絡上能查到以下幾種方式： #第一種sess.run(train, feed_dict=feed_dict)prin...
-
初始版本代碼（偽）
從最初的簡單實現(xiàn)，到后面一步步的整合代碼塊，終于達到了可讀、便于調試的程度。代碼雖然清晰了，但是問題依然存在。目前主要的問題便是權重學習不到東西...