https://pp-tech-blog.pages.dev/tags/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/Recent content in 深度学习 on pp的技术博客Hugozh-cnTue, 16 Jun 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/predict_stockprice/Tue, 16 Jun 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/predict_stockprice/RNN RNN可通过记忆体实现短期记忆进行连续数据的预测 以连续60天的开盘价作为输入特征x_train，第61天的数据作为标签 import numpy as np im。https://pp-tech-blog.pages.dev/posts/fit_transformfittransform/Mon, 15 Jun 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/fit_transformfittransform/fit(): Method calculates the parameters μ and σ and saves them as internal objects. 解释。https://pp-tech-blog.pages.dev/posts/tensorflow_6/Sun, 07 Jun 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/tensorflow_6/循环神经网络 循环核 参数时间共享，循环层提取时间信息。 结构： 前向传播时：记忆体内存储的状态信息ht ，在每个时刻都被刷新，三个参数矩阵$w_xh, w_hh, w_h。https://pp-tech-blog.pages.dev/posts/tensorflow_5/Fri, 05 Jun 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/tensorflow_5/卷积神经网络概念 卷积(Convolutional) • 卷积计算可认为是一种有效提取图像特征的方法 • 一般会用一个正方形的卷积核，按指定步长，在输入特征图上滑动，遍历输。https://pp-tech-blog.pages.dev/posts/tensorflow_4/Thu, 04 Jun 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/tensorflow_4/baseline 在baseline基础上扩展 import tensorflow as tf mnist = tf.keras.datasets.mnist (x_tra。https://pp-tech-blog.pages.dev/posts/tensorflow_3/Wed, 03 Jun 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/tensorflow_3/一 神经网络搭建八股 用Tensorflow API：tf.keras搭建网络八股 六步法 import 导入相关模块 train, test 指定训练集和测试集 mode。https://pp-tech-blog.pages.dev/posts/tensorflow_1/Thu, 28 May 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/tensorflow_1/一、TF2常用函数 1 tf.Variable #Variable将变量标记为可训练，被标记的变量会在反向传播中记录梯度信息，神经网络训练中，常用该函数标记待训练参数 w。https://pp-tech-blog.pages.dev/posts/tensorflow_2/Thu, 28 May 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/tensorflow_2/一 函数 tf.where(条件语句，真返回A，假返回B) a = tf.constant([1, 2, 3, 1, 1]) b = tf.constant([0, 1,。https://pp-tech-blog.pages.dev/posts/normalization_standardization/Wed, 27 May 2020 00:00:00 +0000https://pp-tech-blog.pages.dev/posts/normalization_standardization/1 概念 归一化： 把数据变成(0，1)或者（1，1）之间的小数。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。 把有量纲表达式变成无量纲表。