深度学习（卷积网络、循环神经网络、对抗神经网络、Tensorflow实战）

深度学习（卷积网络、循环神经网络、对抗神经网络、Tensorflow实战）

下采样：

预处理：归一化，对所有像素点进行0-1归一化

将一列数再转换为图像，图像大小28281

独热编码：将label的编号

分为测试集和训练集

一般标准差指定的较小，偏置也指定一个常数

tf都是在4维上，batchsize，high,wide,channel,VGG默认是1

第一次卷积后得到32个图偏置项：

reshape:将特征数据转换为400002828的图像数据

全连接操作：

-1占位，自动求解，比如40000，但是为了方便表示即可以换掉

dropout:

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。