第二課-傳統(tǒng)神經(jīng)網(wǎng)絡_第1頁
第二課-傳統(tǒng)神經(jīng)網(wǎng)絡_第2頁
第二課-傳統(tǒng)神經(jīng)網(wǎng)絡_第3頁
第二課-傳統(tǒng)神經(jīng)網(wǎng)絡_第4頁
第二課-傳統(tǒng)神經(jīng)網(wǎng)絡_第5頁
已閱讀5頁，還剩30頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

本課件包括：演示文稿，示例，代碼，題庫，和聲音等，小象學院擁有完全知識的權利；只限于善意散播。任何其他人或機構不得盜版、 結(jié)

1.神經(jīng)網(wǎng) 2.3.4.

1.2.3.掌握“配件”對神經(jīng)網(wǎng)絡性能的影響，會

1.神經(jīng)網(wǎng) ：線性回2.3.4.

概念:線性關系來描述輸入到輸出的

數(shù)據(jù)：[(x1,1,x2,1,x3,1(x1,2,x2,2,x3,2目標：minimize(?t-yt)

當前m0=[

梯度下降：梯度計Δm=[x1,t,x2,t,梯度下降：參數(shù)更新m:=m-

y

w

1.神經(jīng)網(wǎng) 3.4.

yy

1

ReLU(Rectifiedlinear

1.神經(jīng)網(wǎng) 2.4.

神經(jīng)網(wǎng)絡求導－TensorFlow實var=tf.Variable(...)loss=some_function_of(var,data)var_grad=tf.gradients(loss,[var])sess=var_grad_val=sess.run(var_grad,feed_dict={data:

見:course_2_tf_nn.py 1.神經(jīng)網(wǎng) 2.3.

Loss影響 [0.024,0.064,0.175,0.475,0.024,0.064,

CrossW.Li,F.Abtahi,Z.Zhu,ActionUnitDetectionwithRegionAdaptation,Multi-labelingLearningandOptimalTemporalFusing.CVPR2017.

b.合并多個

2.學習率Learning

2.Learning

3.

4.過擬合

［面試題］Dropout，Pooling

w:=w-

4

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論