📅  最后修改于: 2021-01-11 10:40:15        🧑  作者: Mango

卷积神经网络的工作CNN(卷积神经网络或ConvNet)是一种前馈人工网络，其神经元之间的连接方式受动物视觉皮层组织的启发。视觉皮层有一小部分细胞，对视野的特定区域敏感。我们大脑中的某些单个神经元细胞在存在特定方向的边缘时会做出反应。例如，当暴露于顶点边缘时，一些神经元会激发，而当显示水平或对角线边缘时，一些神经元会激发。CNN利用输入数据中存在的空间相关性。神经网络的每个并发层都连接一些输入神经...

📅  最后修改于: 2021-01-11 10:41:37        🧑  作者: Mango

在TensorFlow中训练CNNMNIST数据库(美国国家标准技术研究院数据库的修改版)是一个广泛的手写数字数据库，用于训练各种图像处理系统。它是通过“重新整合” MNIST原始数据集中的样本创建的。如果我们熟悉Connects的构建基块，就可以使用TensorFlow构建一个。我们使用MNIST数据集进行图像分类。准备数据与上一教程中的相同。我们可以运行代码，直接跳入CNN的体系结构。在这里，...

📅  最后修改于: 2021-01-11 10:42:39        🧑  作者: Mango

CNN中的MNIST数据集MNIST(修改后的美国国家标准技术研究院)数据库是一个大型的手写数字或数字数据库，用于训练各种图像处理系统。该数据集还广泛用于机器学习领域的培训和测试。 MNIST数据库中的图像集是两个NIST数据库的组合：特殊数据库1和特殊数据库3。MNIST数据集具有60,000个训练图像和10,000个测试图像。MNIST数据集可以在线，并且本质上是各种手写数字的数据库。 MNI...

📅  最后修改于: 2021-01-11 10:44:04        🧑  作者: Mango

TensorFlow中的CIFAR-10和CIFAR-100数据集CIFAR-10(加拿大高级研究所)和CIFAR-100被标记为8000万个微型图像数据集的子集。它们由Alex Krizhevsky，Geoffrey Hinton和Vinod Nair收集。数据集分为五个训练批次和一个测试批次，每个批次具有10000张图像。测试批次包含每个类别的1000张随机选择的图像。训练批次以随机顺序包含剩...

📅  最后修改于: 2021-01-11 10:45:03        🧑  作者: Mango

TensorFlow中的递归神经网络(RNN)递归神经网络(RNN)是一种主要用于语音识别和自然语言处理(NLP)的人工神经网络。 RNN用于深度学习和模拟人脑神经元活动的模型的开发。循环网络旨在识别数据序列中的模式，例如来自传感器，股市和政府机构的文本，基因组，手写，口语和数字时间序列数据。递归神经网络看起来与传统神经网络相似，不同之处在于将记忆状态添加到了神经元。该计算将包括一个简单的存储器。...

📅  最后修改于: 2021-01-11 10:46:03        🧑  作者: Mango

RNN在TensorFlow中的工作递归神经网络在图像分类和视频识别，机器翻译和音乐创作中具有广泛的应用。考虑一个图像分类用例，其中我们训练了神经网络对某些动物的图像进行分类。因此，让我们提供猫或狗的图像；网络为猫或狗的图片提供带有相应标签的输出。参见下图：在这里，第一个输出为猫不会影响之前的输出，即狗。这意味着在时间“ t”处的输出在时间“ t-1?。考虑以下情况，我们将需要使用最后获得的输出：...

📅  最后修改于: 2021-01-11 10:47:22        🧑  作者: Mango

RNN中的时间序列在本教程中，我们将使用带有时间序列数据的RNN。时间序列取决于以前的时间，这意味着过去的值包含网络可以学习的重要信息。时间序列预测是为了估计任何序列的未来价值，例如股票价格，温度，GDP等。RNN和时间序列的数据准备有些棘手。目的是预测该系列的其他值，我们将使用过去的信息来估算t +1时的成本。标签等于一个周期的输入连续。其次，输入的数量设置为1，即每次观察一次。最后，时间步长等...

📅  最后修改于: 2021-01-11 10:48:25        🧑  作者: Mango

Tensorflow中的长短期记忆(LSTM)RNN长短期记忆(LSTM)是在深度学习领域中使用的人工循环神经网络(RNN)架构。它是由Sepp Hochreiter和Jurgen schmidhuber在1997年提出的。与标准前馈神经网络不同，LSTM具有反馈连接。它不仅可以处理单个数据点(例如图像)，还可以处理整个数据序列(例如语音或视频)。例如，LSTM是诸如未分段，连接的手写识别或语音识...

📅  最后修改于: 2021-01-11 10:49:28        🧑  作者: Mango

在TensorFlow中训练RNN递归神经网络是一种面向深度学习的算法，它遵循顺序方法。在神经网络中，我们假设所有层的每个输入和输出都是独立的。这些类型的神经网络称为递归，因为它们顺序执行数学计算。训练递归神经网络的以下步骤：步骤1-从数据集中输入特定示例。步骤2-网络将以一个示例为例，并使用随机初始化的变量来计算一些计算。步骤3-然后计算预测结果。步骤4-将产生的实际结果与期望值进行比较会产生错...

📅  最后修改于: 2021-01-11 10:50:23        🧑  作者: Mango

RNN的类型递归网络更令人兴奋的主要原因是它们使我们可以对向量序列进行操作：输入序列，输出序列或在最一般的情况下都可以。一些示例可能更具体：上图中的每个矩形代表矢量，箭头代表函数。输入向量为红色，输出向量为蓝色，绿色保持RNN的状态。一对一：这也称为平原神经网络。它处理输入的固定大小到输出的固定大小，它们独立于先前的信息/输出。示例：图像分类。一对多：它以固定大小的信息作为输入，将一系列数据作为输...

📅  最后修改于: 2021-01-11 10:51:18        🧑  作者: Mango

CNN和RNN之间的区别S.noCNNRNN1CNNstands forConvolutional Neural Network.RNNstands forRecurrent Neural Network.2CNN is considered to be more potent than RNN.RNN includes less feature compatibility when compar...

📅  最后修改于: 2021-01-11 10:52:25        🧑  作者: Mango

TensorFlow中的样式传输神经样式转换(NST)是一类软件算法，用于处理数字图像或视频，或采用其他图像的外观或视觉样式。当我们实现算法时，我们定义了两个距离。一个用于内容(Dc)，另一个用于形式(Ds)。在本主题中，我们将实现一个基于深度神经网络的人工系统，该系统将创建高感知质量的图像。该系统将使用神经表示来分离，重新组合内容图像(样式图像)作为输入，并在使用样式图像的艺术风格进行打印时返回...

📅  最后修改于: 2021-01-11 10:53:24        🧑  作者: Mango

克矩阵克矩阵来自有限维空间中的一个函数。则Gram矩阵项就是有限维子空间基本服务的内积。我们必须计算样式损失。但是我们还没有看到“为什么使用Gram矩阵计算样式损失”。Gram矩阵捕获给定层中一组要素图的“要素分布”。注意：我们认为上述问题并未得到令人满意的回答。例如，让我们拍摄更直观的说明。假设我们具有以下特征图。为简单起见，我们仅考虑三个特征图，其中两个是完全被动的。我们有一个特征图集，其中第...

📅  最后修改于: 2021-01-11 10:54:17        🧑  作者: Mango

样式转移的过程神经样式转移是一种优化技术，用于两个图像(内容图像和样式参考图像)，并且将它们合并，以使输出图像看起来像内容图像，但采用样式参考图像“已描绘”的样式是。为了实现样式转换，有必要将图像的样式与其内容分开。之后，可以将一个图像的样式元素转移到另一图像的内容元素。该过程主要使用标准非线性神经网络的特征提取进行。然后操纵这些特征以提取内容信息或样式信息。该过程涉及三个图像：样式图像，内容图像...

📅  最后修改于: 2021-01-11 10:55:57        🧑  作者: Mango

样式转换的工作神经样式转移是用于获取两个图像(内容图像和样式参考图像)并将它们融合在一起的优化技术，因此输出图像看起来像内容图像，但以样式参考图像的样式“绘制”。导入和配置模块开启Google colab输出：输出：检查最大尺寸为512像素。创建显示图像的函数输出：输出：输出：定义样式和内容表示使用模型的中间层来表示图像的内容和样式。从输入层开始，前几层激活表示低级表示类似的边缘和纹理。对于输入图...