总体内容
P.S. 在2018.07.31实习结束后,即2018.08.01-2018.09.02,对Machine Learning的基本理论知识进行了自学
论文(自己总结)
- 置顶论文(总体思路,会不断添加内容)https://blog.csdn.net/Eudemonia_mia/article/details/83990392
- 双流论文(Paper part)https://blog.csdn.net/Eudemonia_mia/article/details/82812028
- TSN论文(Paper part)
https://blog.csdn.net/Eudemonia_mia/article/details/82956311 - 双流论文(Summary part)https://blog.csdn.net/Eudemonia_mia/article/details/83962449
- TSN论文(Summary part)
https://blog.csdn.net/Eudemonia_mia/article/details/83988633
TensorFlow
-
简单回归
-
简单神经网络进行回归(200次与2000次)
- MNIST的简单分类
-
交叉熵
使用交叉熵来完成MNIST,可以看到与MNIST的简单分类相比,交叉熵在第5次迭代就可以达到简单分类最后的效果
-
Dropout
使用Dropout来完成MNIST,可以看到与交叉熵相比,Dropout在第2次迭代就可以达到交叉熵最后的效果,且最后的效果很好
-
使用卷积神经网络应用于MNIST
- 其他的优化器
- 使用inception-v3模型进行图像识别
导入模型,建立两个字典,用字符串将两个字典联系起来
接下来的学习(不含完成课后作业)
- 统计的知识点
- 复现TSN
- TLE(Paper part)
- Python
- IELTS
- 九转教育天使投