自动编码器
图为 ：Typical Autoencoder Architecture 自编码器：获取有标签的训练数据通常代价昂贵。自编码器是一种无需监督的神经网络架构，其核心思想是使输出与输入相同（重建）。包含一个编码器和一个解码器。生成输入的编码或潜在表示。避免平凡的解决方案（那些只是复制输入的），通过：瓶颈层（限制潜在表示的大小）添加噪声对以下应用有用：维度缩减无监督预训练生成模型典型自编码器架构：深度自编码器通常在编码器和解码器部分具有对称结构。编码器层的神经元数量逐渐减少。解码器层的神经元数量逐渐增加。输出层与输入层匹配。表示学习（Representatio...
模型预训练以及微调-代码示例
使用预先训练的网络进行分类# import Keras & Tensorflow import tensorflow as tf import keras # Load pre-trained Resnet50 # 加载预训练的ResNet50模型 model = keras.applications.resnet50.ResNet50(weights="imagenet") # Connect with Google Drive # 连接到谷歌云硬盘 from google.colab import drive #drive.mount('/conten...
常见神经网络架构介绍
AlexNet、GoogLeNet（Inception）、VGGNet、ResNet和XceptionAlexNet由 Alex Krizhevsky 和同事们开发赢得了2012年ImageNet ILSVRC (大规模视觉识别挑战赛)：前五错误率17% vs. 第二名26%输入：227 × 227 RGB图像输出：1,000个类别的概率使用堆叠的卷积层层类型映射尺寸核心尺寸步长填充激活输出全连接-1,000---SoftmaxF10全连接-4,096---ReLUF9全连接-4,096---ReLUS8最大池化2566×63×32有效-C7卷积25613×133×31相同ReLUC6卷...
