一、CIFAR-10介绍CIFAR-10数据集包括6万张32*32大小的彩色图片，该数据集一共有10个类别，每个类别有6千张图片。其中训练数据集图片5万张，测试数据集1万张。该训练数据集平均分成5个训练批次，每个训练批次1万张图。下载该数据集的链接：http://www.cs.toronto.edu/~kriz/cifar.html由于本文是基于Python3.6的，所以选择“CIFA...

最近在尝试学习使用卷积神经网络对猫狗进行识别，准备猫、狗图片各500张图片，图片是大小不一的彩色图片。大致的实现思路：各准备猫、狗500张图片，并对其命名“cat.XXX.jpg”、“dog.XXX.jpg”，计划20%猫、20%狗作为验证，剩下做训练；图片大小归一化：使用OpenCV3把图片归一为64*64的彩色图片；读取图片内容（numpy数组，batchszie*64*64*...

一、通过pip安装1、通过网络自动下载类库pip安装是比较常见的类库安装方法，常用的命令为pip install 类库名，例如安装scrapy类库，执行命令pip install scrapy。在执行上述命令时，会遇到“https://pypi.python.org/simple”无法打开的问题，此时只需指定源即可：pip install scrapy -i https://pypi....

深度学习技术发展到今天，在图像、语音、自然语言处理（natural language processing，NLP）领域有很多的应用。由于人类语言的多样性、多意性，使得NLP的难度成倍增加。例如由相同的三个字形成的组合“不怕辣”、“辣不怕”、“怕不辣”、“怕辣不”表达了不同的含义。有些话还要结合当时的语境进行理解，否则得到的结果谬之千里，比如：“中国乒乓球谁也打不过”、“中国足球谁也打不过”。本文

今天使用BERT模型对短文本进行分类，整理好的短文本放在了Excel中，准备使用Excel对短文本进行打标签、数据清洗。打标签我使用打标签的方法很简单，由于短文本的辨识度比较高，所以我使用了如下Excel公式组合对短文本打标签（因为数据的私密性，所以我只讲方法，数据采用虚拟数据）：如果A1单元格同时包含字符串“大”、“小”、“20”，则标签打成“有”，否则打成“无”=IF(AND(...

本文做了一个识别简单验证码的小例子，具体思路如下：使用captcha类库随机生成4位纯数字或数字、大小写组合的验证码；以第一步生成的验证码为训练数据，对3层卷积、2层全连接模型进行训练；当训练的正确率达到规定的阈值时，保存模型，并停止训练。说明：若验证码为4位纯数字，则模型要完成的分类数为4*10=40分类任务；若验证码为4为数字+大写+小写组成，则为4*(10+26+26)...

近期在调试深度学习相关的代码时，经常隔三差五遇到range()、np.arange()、np.linspace()、np.logspace()一系列的函数，每次遇到后，当时貌似理解了，但是过段时间又忘了，并且这几个函数看起来还长的差不多，虽然实现的功能看起来挺相似，但是他们之间还是有很多细微的区别。毫不夸张的说，每次见到，每次好像都懂，但是呢，每次貌似又不确定，每次还是懵的、大脑还是混淆的。...

如下是官网对tf.reset_default_graph()函数描述的翻译：tf.reset_default_graph函数用于清除默认图形堆栈并重置全局默认图形。注意：默认图形是当前线程的一个属性。该tf.reset_default_graph函数只适用于当前线程。当一个tf.Session或者tf.InteractiveSession激活时调用这个函数会导致未定义的行为。调用此函数后...

深度学习技术发展到今天，在图像、语音、自然语言处理（natural language processing，NLP）领域有很多的应用。由于人类语言的多样性、多意性，使得NLP的难度成倍增加。例如由相同的三个字形成的组合“不怕辣”、“辣不怕”、“怕不辣”、“怕辣不”表达了不同的含义。有些话还要结合当时的语境进行理解，否则得到的结果谬之千里，比如：“中国乒乓球谁也打不过”、“中国足球谁也打不过”。本文

CNN应用在图片分类的场景中较多，可能给大家一个思维定势----CNN貌似只能应用在图片场景，其实CNN也可对文本进行分类。卷积只是特征提取的一种方式，并不是只能处理图像，使用卷积只要能提取特征即可。一、卷积应用在文本分类的思路下图为卷积对文本分类的整体思路：文本分词-->映射成向量：把文本（字符串）转换成数值（对文本进行编码），上图使用7*5的矩阵存储每一句话的编码...