• CNN与RNN中文文本分类-基于TensorFlow实现

    本章旨在使用TensorFlow API实现卷积神经网络与循环神经网络文本分类。 代码地址:Github 转载请注明出处:Gaussic CNN做句子分类的论文可以参看: Convolutional Neural Networks for Sentence Classification 还可以去读dennybritz大牛的博客:Implementing a CNN for Text Classification in TensorFlow 以及字符级CNN的论文:Character-level Convolutional Networks »

    使用TensorFlow训练循环神经网络语言模型

    读了将近一个下午的TensorFlow Recurrent Neural Network教程,翻看其在PTB上的实现,感觉晦涩难懂,因此参考了部分代码,自己写了一个简化版的Language Model,思路借鉴了Keras的LSTM text generation。 代码地址:Github 转载请注明出处:Gaussic 语言模型 Language Model,即语言模型,其主要思想是,在知道前一部分的词的情况下,推断出下一个最有可能出现的词。例如,知道了 The »

    TensorFlow - TensorBoard可视化

    本章主要说明如何使用TensorBoard进行可视化,以及部分的调参方法。 这是一篇dandelionmane在TensorFlow Dev Summit 2017关于TensorBoard介绍的总结教程。 转载请说明出处:Gaussic 在之前的章节中,几乎所有的性能评估都是通过打印中间结果字符串来完成的。使用更多的可视化的图表可以让人对模型有一个更加直观的认识。在本章中,我们将使用TensorBoard对模型进行可视化。 计算图可视化 要可视化TensorFlow的计算图,需要先构建网络。 网络层 本章的网络,依然使用之前几个章节对MNIST数据集使用的网络结构。为了方便实现,固定了其中的一部分参数。相关层如下: # 简单卷积层,为方便本章教程叙述,固定部分参数 def »

    TensorFlow - 保存/恢复/提前终止

    本章主要说明如何对训练过程进行存储,恢复操作。以及在模型长期没有改进时,提前终止训练。 这是几篇与原作不完全相同的教程,转载请说明出处:Gaussic 原作者:Magnus Erik Hvass Pedersen / GitHub / Videos on YouTube 在第三章中,我们使用TensorFlow的API重新构建了网络,并且训练了10000轮次得到了98.7%的测试准确率。然而,在实际训练过程中,模型的结构往往比这更加复杂,数据量也更多,训练10000轮次需要较长的时间。 »

    TensorFlow - Layers API

    本章主要说明如何使用TensorFlow API简化神经网络构建,以及新的变量获取方法,在原作的基础上会做相应的改变。 这是几篇与原作不完全相同的教程,转载请说明出处:Gaussic 原作者:Magnus Erik Hvass Pedersen / GitHub / Videos on YouTube 在第二章中,我们实现了使用卷积神经网络对MNIST数据集进行分类。可以发现,需要实现一个简单的CNN模型,也需要实现很多细节类的代码,如定义权重、偏置、展平操作等。TensorFlow对这些模型做了一定的API封装,使得使用者可以更加方便地实现神经网络的构建。 »

    TensorFlow - 卷积神经网络

    本章主要说明如何使用神经网络训练MNIST手写体字符识别,以及如何可视化权重。 这是几篇与原作不完全相同的教程,转载请说明出处:Gaussic 原作者:Magnus Erik Hvass Pedersen / GitHub / Videos on YouTube 在上一章节中,我们在MNIST数据集上得到了91%的测试准确率。这个结果其实并不太理想。 在本章中,我们将使用卷积神经网络来得到一个准确率更高的模型,接近99%。卷积神经网络使用共享的卷积核对图像进行卷积操作,以提取图像深层特征。这些深层特征然后组合成特征向量输入全连接的神经网络中,再使用类似上一章的方法进行分类。 网络结构图 »

    TensorFlow - 线性模型

    本章主要通过线性模型介绍TensorFlow的一些基本使用流程。 这是几篇与原作不完全相同的教程,转载请说明出处:Gaussic 原作者:Magnus Erik Hvass Pedersen / GitHub / Videos on YouTube 需要导入的包 import tensorflow as tf # TensorFlow import matplotlib.pyplot as plt # matplotlib绘图 import »