注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. tensorflow实现进阶卷积神经网络.py

  2. 本人使用的数据集是CIFAR-10。这是一个经典的数据集，许多论文也都是在这个数据集上进行训练。 使用的卷积神经网络是根据Alex描述的cuda-convnet模型修改得来。在这个神经网络中，我使用了一些新的技巧： （1）对weights进行了L2的正则化 （2）将图像进行翻转、随机剪切等数据增强，制造了更多的样本 （3）在每个卷积-最大化池层后面使用了LRN层，增强了模型的泛化能力

  3. 所属分类：深度学习

    • 发布日期：2020-03-31
    • 文件大小：5120
    • 提供者：weixin_46656964

  1. 结合知识图谱实现基于电影的推荐系统.pdf

  2. 在推荐算法中融入电影的知识图谱，能够将没有任何历史数据的新电影精准地推荐给目标用户。交叉特征矩阵 Cr 交叉单元 第层 el 7交叉压缩单元模型的结构 交叉压缩单元模型的具体处理过程如下 (1)将与进行矩阵相乘得到。 (2)将复制一份,并讲行转置得到。实现特征交叉融合 (3)将经过权重矩阵进行线性变化(与矩阵相乘) (4)将经过权重矩阵进行线性变化。 (5)将(3)与(4)的结果相加,再与偏置参数相加,得到。将用于推荐算法模型的后续计算。 (6)按照第(3)、(4)、(5)步的做法,同理可以得到

  3. 所属分类：机器学习

    • 发布日期：2019-09-02
    • 文件大小：867328
    • 提供者：zjxaut2008

  1. tensorflow使用L2 regularization正则化修正overfitting过拟合方式

  2. 主要介绍了tensorflow使用L2 regularization正则化修正overfitting过拟合方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：226304
    • 提供者：weixin_38522106

  1. tensorflow使用L2 regularization正则化修正overfitting过拟合方式

  2. L2正则化原理： 过拟合的原理：在loss下降，进行拟合的过程中（斜线），不同的batch数据样本造成红色曲线的波动大，图中低点也就是过拟合，得到的红线点低于真实的黑线，也就是泛化更差。 可见，要想减小过拟合，减小这个波动，减少w的数值就能办到。 L2正则化训练的原理：在Loss中加入（乘以系数λ的）参数w的平方和，这样训练过程中就会抑制w的值，w的（绝对）值小，模型复杂度低，曲线平滑，过拟合程度低（奥卡姆剃刀），参考公式如下图： （正则化是不阻碍你去拟合曲线的，并不是所有参数都会被无脑抑制

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：100352
    • 提供者：weixin_38712899

  1. Tensorflow卷积神经网络实例进阶

  2. 在Tensorflow卷积神经网络实例这篇博客中，我们实现了一个简单的卷积神经网络，没有复杂的Trick。接下来，我们将使用CIFAR-10数据集进行训练。 CIFAR-10是一个经典的数据集，包含60000张32*32的彩色图像，其中训练集50000张，测试集10000张。CIFAR-10如同其名字，一共标注为10类，每一类图片6000张。 本文实现了进阶的卷积神经网络来解决CIFAR-10分类问题，我们使用了一些新的技巧： 对weights进行了L2的正则化 对图片进行了翻转

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：97280
    • 提供者：weixin_38712578

  1. 关系提取：tensorflow 2.0中基于RNN和CNN的关系提取模型-源码

  2. 最好在Markdown阅读器中查看此文件（例如 ） 概述 您将实现双向GRU以及用于关系提取的原始模型： GRU宽松地基于基于注意力的双向关系长期双向短期记忆网络的工作方法（Zhou等，2016）。 您将需要实现： 双向GRU 注意层 L2正则化 此外，您将设计自己的网络体系结构来解决此任务。 您可以自己想一想，也可以根据纸上已知的解决方案进行思考。 作业pdf中提供了更多详细信息。 安装 环境与过去的环境相同，减去了requirements.txt中的额外requirements.tx

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：19922944
    • 提供者：weixin_42129300

  1. boltzmann机器：TensorFlow中的Boltzmann机器及其示例-源码

  2. 玻尔兹曼机 该存储库实现了具有许多功能的通用且灵活的RBM和DBM模型，并复制了“ Deep boltzmann机器” ， “使用分层深层模型学习” ， “从微小图像中学习多层特征”的一些实验。 和其他一些。 目录 ， ， ， ， Boltzmann机器由以下工具赞助； 请通过查看并注册免费试用来帮助支持我们。 实施了什么 受限玻尔兹曼机（RBM） k阶对比散度； 是否对可见单位和隐藏单位进行抽样或使用概率； 每次体重更新的学习速度，动量和吉布斯步数可变; 正则化：L2体重下降

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：211812352
    • 提供者：weixin_42134051

  1. fth-rbms:Freshhome用户页面的推荐系统-源码

  2. Freshtohome受限玻尔兹曼机 该项目使用TensorFlow实现了受限玻尔兹曼机（RBM）。 我们的实现包括动量，权重衰减，L2正则化和CD-k对比散度。 我们提供对GPU（CUDA）计算的支持。 此外，我们提供了一个示例文件，将我们的模型应用于Movielens数据集（请参见ml_1m）。 该示例训练了RBM，使用训练有素的模型从电影评论中提取特征，最后使用基于Tensorflow的逻辑回归进行体裁分类。 它可以达到91.8％的分类精度（这显然不是前沿模型）。 用 :yellow_

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：11534336
    • 提供者：weixin_42164702