您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Keras中文文档.pdf

  2. Keras官方文档PDF版,带书签,一共307页,完整版,目前最好的版本!欢迎下载!model train on batch(x batch, y batch) 只需一行代码就能评估模型性能: loss and metrics modelevaluate(x test, y test, batch size=128) 或者对新的数据生成预测: classes =model predictx test, batch size=128) 构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的
  3. 所属分类:深度学习

    • 发布日期:2019-09-03
    • 文件大小:12582912
    • 提供者:dzgybd
  1. 机器学习中的最优化算法总结

  2. 机器学习中的最优化算法总结下图给出了这些算法的分类与它们之间的关系: 接下来我们将按照这张图来展开进行讲解。 费马定理 对于一个可导函数,寻找其极值的统一做法是寻找导数为0的点,即费马定理。微积分中的 这一定理指出,对于可导函数,在极值点处导数必定为0: 对于多元函数,则是梯度为0 导数为0的点称为驻点。需要注意的是,导数为0只是函数取得极值的必要条件而不是充分条 件,它只是疑似极值点。是不是极值,是极大值还是极小值,还需要看更高阶导数。对于 元函数,假设x是驻点 如果 (x)>0,则在该
  3. 所属分类:机器学习

    • 发布日期:2019-07-02
    • 文件大小:570368
    • 提供者:abacaba
  1. 各种梯度下降法实现BP神经网络.rar

  2. 采用Matlab实现梯度下降各种优化算法,进行函数逼近,优化算法包括冲量法、NAG、Aagrad、RMSProp、Adam算法。可以通过该实验进行各种算法的比较,可以自行调整参数查看实验效果。
  3. 所属分类:其它

    • 发布日期:2020-06-10
    • 文件大小:23552
    • 提供者:caojianfa969
  1. 优化器笔记-大毛.zip

  2. 神经网络参数优化器,优化器演化流程! 内含源码与对比各优化word文档 优化器演化流程:SGD -> SGDM -> NAG ->AdaGrad -> RMSProp/AdaDelta -> Adam -> Nadam 这样的发展历程,下面逐一介绍每个公式,不用担心公式看不懂,都是围绕上述1,2,3,4个公式带入动量参数既是优化公式。
  3. 所属分类:深度学习

    • 发布日期:2020-11-07
    • 文件大小:1048576
    • 提供者:qq_37700257
  1. 改善深层神经网络:超参数调整、正则化以及优化——2.7 RMSprop

  2. RMSprop算法全称是root mean square prop算法,该算法可以加速梯度下降,回忆一下之前的例子,如果执行梯度下降,虽然横轴方向正在推进,但纵轴方向会有大幅度的摆动,假设纵轴代表参数b,横轴代表参数W,可能有W1W_1W1​,W2W_2W2​或者其它重要的参数,为了便于理解,称为b和W。所以如果想减缓b方向的学习,同时加快横轴方向的学习,RMSprop算法可以实现这一点。 在第t次迭代中,该算法会照常计算当下mini-batch的微分dWdWdW和dbdbdb。这里用新符号S
  3. 所属分类:其它

    • 发布日期:2021-01-08
    • 文件大小:98304
    • 提供者:weixin_38640242
  1. Adam优化算法原理详解(吴恩达深度学习笔记)

  2. 在介绍Adam之前首先介绍一下momentum和RMSprop优化算法。 一、momentum 1、指数加权平均数 指数加权平均数不仅考虑了当前数值也涵盖了以前的数据对现在的影响。 解释指数加权平均值名称的由来: 指数加权平均值的应用: 使用这种方法进行数据的估计可能不是最精确的,但是这种方法计算简单,节省内存。 指数加权平均数因为设置的第0个值为0,所以对于前几个数都会出现严重的偏差,所以引入了偏差修正。 2.指数加权平均数的偏差修正 3.momentum算法 此算法是梯度下降算法的一种改进
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:464896
    • 提供者:weixin_38516863
  1. 吴恩达深度学习:第二课,第二周:优化算法

  2. 文章目录Mini-batch 梯度下降法符号定义前向传播后向传播理解mini-batch 梯度下降法J代价函数的不同用1个样本为一个mini-batch和全部样本为一个mini-batch举例合理的簇大小指数加权平均理解指数加权平均指数加权平均的偏差修正动量梯度下降法优化成本函数RMSprop算法Adam 优化算法算法公式:该算法的超参数学习率衰减局部最优的问题 Mini-batch 梯度下降法 首先需要将数据集取为子集Mini-batch,然后进行训练 符号定义 引入了大括号t来代表不同的m
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:503808
    • 提供者:weixin_38681147
  1. keras学习 手写数字识别

  2. 一、Sequential()创建模型及其中方法 Sequential()#类 keras.engine.sequential.Sequential()#所处包和模块中位置 from keras import models network = models.Sequential(layers,name)#从model模块调用,参数可选填或者不填 network.add(layer)#添加层的方法,若初始化时添加层,其内部也是调用此方法 network.layers()#返回自身 ''' 将优化器、
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:53248
    • 提供者:weixin_38730201
  1. Stabilizing-GANs-with-Octave-Convolutions:论文代码-源码

  2. 该存储库提供了使用Octave卷积稳定GAN的官方PyTorch实现。 依存关系 在Python 3.6.x上测试。 (1.0.1) (1.16.2) CelebA数据集 完整的可。 要将RGB图像的大小调整为128 x 128像素,请设置路径并运行resize_celeba.py 。 训练 要训​​练模型,只需使用适当的超参数在选定模型上指定运行sh(例如sh gan.sh , sh wgan.sh或sh lsgan.sh )。 示例超参数定义(wgan.sh) python tra
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:1048576
    • 提供者:weixin_42151036
  1. VisualTF:可视化tensorflow学习记录,通过可视化方式观察梯度下降以及权重,偏差等变化情况。数据挖掘入门,推荐系统入门numpy,matploytlib-源码

  2. 可视化TF numpy,matploytlib h(x)= w * x + b作为连续值w,b就是需要不断进行修正。一般都是通过梯度下降的方法将w,b进行修正。的速度一般的梯度下降方式有: 新元 最简单的方式,就是测试数据分批进行神经网络计算。 势头 传统的W参数更新为:W + =-学习率* dx动量则是加上一个惯性,即m = b1 * m学习率* dx W + = m 阿达格拉德 对学习率进行更新:v + = dx ^ 2 W + =-学习率* dx /√vv算是一种惩罚措施,逼迫朝着正
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:737280
    • 提供者:weixin_42108054
  1. RNN-Drug-Generation:从头开始药物生成的递归体系结构研究-源码

  2. RNN-药物产生 从头开始药物生成的递归体系结构研究 在药物发现中,深度学习算法已成为一种产生新型化学结构的有效方法。 他们可以加快这一过程并减少支出。 我们基于递归神经网络优化了\ emph {de novo}药物设计的计算框架,该网络可以学习SMILES表示法中分子表示的语法。 我们对体系结构和超参数进行了全面的研究。 此外,我们比较了分子的两种编码和空间排列类型:嵌入和单热编码以及分别具有和不具有立体化学信息的数据集。 最好的模型由一个RNN组成,该RNN包含3层长短期存储单元,每个单元有
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:1048576
    • 提供者:weixin_42134097
  1. 基于改进堆叠自动编码器的循环冷却水系统工艺介质温度预测控制方法

  2. 循环冷却水系统中冷却供给量与工艺介质冷却需求量之间往往存在“大马拉小车”的现象,造成大量的冷却资源浪费.为了匹配冷却需求量与供给量,提高循环冷却水系统能源利用率,给出一种基于多工艺介质温度目标循环冷却水最小压差控制系统,并将深度学习引入工艺介质温度预测研究中,提出一种基于改进堆叠自动编码器(improved stacked auto encoders,ISAE)的工艺介质温度预测方法.首先,对工业现场数据进行清洗;然后,将多个自动编码器堆叠,构建深度学习网络结构,采用“逐层贪婪无监督预训练-参数
  3. 所属分类:其它

    • 发布日期:2021-01-12
    • 文件大小:1048576
    • 提供者:weixin_38659159
  1. autofiber:优化的应变能,基于测地线的网格参数化生成器-源码

  2. 汽车纤维 在3D表面上基于测地线的应变能最小化,以优化纤维铺放方向。创建为爱荷华州立大学开发的将自动缺陷插入FEM包的一部分。 AutoFiber是爱荷华州立大学研究基金会(C)2016-2018版权所有(C)。它是根据Apache 2.0许可发行的。有关详细信息,请参见文件。 项目结构 autofiber/ :包含python包autofiber 。 demos/ :包含各种演示模型和一个脚本test.py ,用于演示每种模型的用法。 docs/ :包含各种文档资料。完整的文档可以在获得
  3. 所属分类:其它

    • 发布日期:2021-03-20
    • 文件大小:4194304
    • 提供者:weixin_42115074