tf.GradientTape详解：梯度求解利器
tf.GradientTape定义在tensorflow/python/eager/backprop.py文件中，从文件路径也可以大概看出，GradientTape是eager模式下计算梯度用的，而eager模式（eager模式的具体介绍请参考文末链接）是TensorFlow 2.0的默认模式 ...
原文：深度学习系列（4）——tf.GradientTape详解
参考文献：https: blog.csdn.net guanxs article details 在TensorFlow .x静态图时代，我们知道每个静态图都有两部分，一部分是前向图，另一部分是反向图。反向图就是用来计算梯度的，用在整个训练过程中。而TensorFlow . 默认是eager模式，每行代码顺序执行，没有了构建图的过程 也取消了control dependency的用法 。但也不能每 ...
2020-01-31 20:06 0 9808 推荐指数：
相关推荐
学习笔记TF042:TF.Learn、分布式Estimator、深度学习Estimator
TF.Learn，TensorFlow重要模块，各种类型深度学习及流行机器学习算法。TensorFlow官方Scikit Flow项目迁移，谷歌员工Illia Polosukhin、唐源发起。Scikit-learn代码风格，帮助数据科学从业者更好、更快适应接受TensorFlow代码。囊括许多 ...
深度学习系列教程目录
原文作者：aircraft 原文链接：https://www.cnblogs.com/DOMLX/p/12131514.html 深度学习（一）神经网络中的池化与反池化原理 深度学习（二）神经网络中的卷积和反卷积原理 深度学习（三）转-可视化理解卷积神经网络 ...
深度学习入门系列教程
这是一个优秀的零基础入门深度学习教程！ 零基础入门深度学习(1) - 感知器 零基础入门深度学习(2) - 线性单元和梯度下降 零基础入门深度学习(3) - 神经网络和反向传播算法 零基础入门深度学习(4) - 卷积神经网络 零基础入门深度学习(5) - 循环神经网络 零基础入门深度 ...
【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理
上篇文章我们给出了用paddlepaddle来做手写数字识别的示例，并对网络结构进行到了调整，提高了识别的精度。有的同学表示不是很理解原理，为什么传统的机器学习算法，简单的神经网络(如多层感知机)都可以识别手写数字，我们要采用卷积神经网络CNN来进行别呢？CNN到底是怎么识别的？用CNN ...
深度学习基础系列（十一）| Keras中图像增强技术详解
在深度学习中，数据短缺是我们经常面临的一个问题，虽然现在有不少公开数据集，但跟大公司掌握的海量数据集相比，数量上仍然偏少，而某些特定领域的数据采集更是非常困难。根据之前的学习可知，数据量少带来的最直接影响就是过拟合。那有没有办法在现有少量数据基础上，降低或解决过拟合问题呢？ 答案 ...