Python-深度学习-学习笔记（17）：利用t-SNE对数据实现降维聚类一、引言由于现有的算法还不够智能，所以必须依靠人类的智慧介入分析。所以，需要通过可视化技术把高维空间中的数据以二维或三维的形式展现出来便于我们观看，展示的效果如何也就直接决定着我们分析的难度。二、降维降维的目的其实是将高维度下的特征能够通过某种方式降到低维度下，并且保留不同类的特征所体现出的不同规律，或者可以说是用低...

Python-深度学习-学习笔记（14）：keras对mat文件的加载与维度翻转问题的处理keras对mat文件的加载.mat文件即matlab软件生成的文件。keras打开.mat有两种方式，一种是利用scipy库，另一种是利用h5py库。1、scipy库打开mat文件我们可以使用如下代码打开文件：import scipy.io as scioimport numpy as np...

Python-深度学习-学习笔记（18）：Kmeans聚类算法与elbow method一、Kmeans聚类算法对于"监督学习"(supervised learning)，其训练样本是带有标记信息的，并且监督学习的目的是：对带有标记的数据集进行模型学习，从而便于对新的样本进行分类。而在“无监督学习”(unsupervised learning)中，训练样本的标记信息是未知的，目标是通过对无标记..

Python-深度学习-学习笔记（13）：keras搭建卷积神经网络（对二维数据进行一维卷积）卷积神经网络进行图像分类是深度学习关于图像处理的一个应用，卷积神经网络的优点是能够直接与图像像素进行卷积，从图像像素中提取图像特征，这种处理方式更加接近人类大脑视觉系统的处理方式。另外，卷积神经网络的权值共享属性和pooling层使网络需要训练的参数大大减小，简化了网络模型，提高了训练的效率。一、搭建..

Python-深度学习-学习笔记（13）：keras搭建卷积神经网络（对二维数据进行一维卷积）卷积神经网络进行图像分类是深度学习关于图像处理的一个应用，卷积神经网络的优点是能够直接与图像像素进行卷积，从图像像素中提取图像特征，这种处理方式更加接近人类大脑视觉系统的处理方式。另外，卷积神经网络的权值共享属性和pooling层使网络需要训练的参数大大减小，简化了网络模型，提高了训练的效率。一、搭建..

Python-深度学习-学习笔记（20）：获取并导出keras中某一层权重参数的方法1.模型的保存与加载我们通过keras对网络进行训练之后会发现其内部参数以及训练方法是封装好的，用户只需要调用keras提供的API即可实现网络的搭建和训练。通过训练我们能够获得我们所需的较优的网络结构，并且我们可以通过使用：model.save(filepath of h5)#模型保存即可实现对模型...

Python-深度学习-学习笔记（10）：对于问题tensorflow:ImportError: Could not find 'cudart64_90.dll’的解决问题描述：在之前的进行神经网络中，突然出现了一个错误：AttributeError: module ‘tensorflow’ has no attribute ‘reset_default_graph’，之后我采取将tensorf.

Python-深度学习-学习笔记（18）：Kmeans聚类算法与elbow method一、Kmeans聚类算法对于"监督学习"(supervised learning)，其训练样本是带有标记信息的，并且监督学习的目的是：对带有标记的数据集进行模型学习，从而便于对新的样本进行分类。而在“无监督学习”(unsupervised learning)中，训练样本的标记信息是未知的，目标是通过对无标记..

Python-深度学习-学习笔记（10）：对于读取h5py文件的路径问题解决错误代码：OSError: Unable to open file (unable to open file: name = ‘datasets/train_catvnoncat.h5’, errno = 2, error message = ‘No such file or directory’, flags = 0..

Python-深度学习-学习笔记（20）：获取并导出keras中某一层权重参数的方法1.模型的保存与加载我们通过keras对网络进行训练之后会发现其内部参数以及训练方法是封装好的，用户只需要调用keras提供的API即可实现网络的搭建和训练。通过训练我们能够获得我们所需的较优的网络结构，并且我们可以通过使用：model.save(filepath of h5)#模型保存即可实现对模型...