"如果一个算法在MNIST上不work，那么它就根本没法用；而如果它在MNIST上work，它在其他数据上也可能不work"。 ...

上一篇文章我们介绍了通过神经网络来处理一个非线性回归的问题，这次我们将采用神经网络来处理一个多元分类的问题。 这次我们解决这样一个问题：输入一个人的身高和体重的数据，程序判断出这个人的身材状况，一共三个类别：偏瘦、正常、偏胖。 处理流程如下： 1、收集数据 2、构建神经网络 3、训练 ...

从这篇文章开始，终于要干点正儿八经的工作了，前面都是准备工作。这次我们要解决机器学习的经典问题，MNIST手写数字识别。 首先介绍一下数据集。请首先解压：TF_Net\Asset\mnist_png.tar.gz文件 文件夹内包括两个文件夹：training和validation ...

上一篇文章我们介绍的线性模型的求解，但有很多模型是非线性的，比如： 这里表示有两个输入，一个输出。 现在我们已经不能采用y=ax+b的形式去定义一个函数了，我们只能知道输入变量的数量，但不知道某个变量存在几次方的分量，所以我们采用一个神经网络去定义一个函数。 我们假设 ...

mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的。但是CNN层数要多一些，网络模型需要自己来构建。 程序比较复杂，我就分成几个部分来叙述。 首先，下载并加载数据： 定义四个函数，分别用于初始化权值W，初始化偏置项b, 构建卷积层和构建池化层 ...

我对机器学习的某些方面还是欠缺了解，总感觉整理不下去，初步定下以下话题吧。 卷积神经网络DN ...

最近几天陆续补充了一些“线性回归”部分内容，这节继续机器学习基础部分，这节主要对CNN的基础进行整理，仅限于基础原理的了解，更复杂的内容和实践放在以后再进行总结。 卷积神经网络的基本原理 　　前面对全连接神经网络和深度学习进行了简要的介绍，这一节主要对卷积神经网络的基本原理进行学习和总结 ...

1.标准卷积神经网络 标准的卷积神经网络由输入层、卷积层（convolutional layer）、下采样层（downsampling layer）、全连接层（fully—connected layer）和输出层构成。 卷积层也称为检测层 下采样层也称为池化层（pooling ...