TF-Deep-Learning：基于TensorFlow的深度学习模型合集
5星
- 浏览量: 0
- 大小:None
- 文件类型：ZIP
简介：
TF-Deep-Learning 是一个基于 TensorFlow 的开源项目，提供了一系列用于构建、训练及部署深度学习模型的工具和资源。该项目汇集了各种经典的神经网络架构，并支持快速实验与开发先进的机器学习应用。
该存储库包含我从Udacity的入门到TensorFlow深度学习课程的工作。
内容：
1. 摄氏到华氏转换器
目的：使用线性回归模型（根据输入预测单个值）进行机器学习的概念证明项目。
潜在扩展方向包括能够一次测试多个数字，而不是一个值；查找其他线性方程之间的关系以及更复杂的方程之间的关系。
2. 服装分类器
目的： 使用简单的神经网络从Fashion MNIST数据集中对10种类型的服装进行分类。该模型在测试集上的准确率为87.84%。
使用的数据集涉及了以下对比：
- 线性回归与分类问题的区别；
- 分类任务使用稀疏分类交叉熵损失函数和softmax激活函数，而回归任务则不使用特定的激活函数且通常采用均方误差作为损失度量。
3. 使用卷积神经网络（CNN）进行服装分类
目的：建立并训练一个卷积神经网络对服装图像进行识别。
全部评论 (0)
还没有任何评论哟~
