-
3.6 手写数字识别
3.6 手写数字识别 3.6.1 MNIST 数据集 3.6.2 神经网络的推理处理 3.6.3 批处理 3.6 手写数字识别 介绍完神经网络的结构之后，现在我们来试着解决实际问题。这里我们来进行手写数字图像的分类。假设学习已经全部结束，我们使用学习到的参数，先实现神经网络的“推理处理”。这个推理处理也称为神经网络的前向传播 （forward p... -
8.1 加深网络
8.1 加深网络 8.1.1 向更深的网络出发 8.1.2 进一步提高识别精度 8.1.3 加深层的动机 8.1 加深网络 关于神经网络，我们已经学了很多东西，比如构成神经网络的各种层、学习时的有效技巧、对图像特别有效的 CNN、参数的最优化方法等，这些都是深度学习中的重要技术。本节我们将这些已经学过的技术汇总起来，创建一个深度网络，挑战 MNI... -
8.2 指令说明
8.2 指令说明 8.2 指令说明 指令的一般格式为INSTRUCTION arguments，指令包括FROM、MAINTAINER、RUN等，参见表8-1。 表8-1 Dockerfile指令说明 下面分别进行介绍。 1.FROM 指定所创建镜像的基础镜像，如果本地不存在，则默认会去Docker Hub下载指定镜像。 格式为FRO... -
2.13 Git学习资料
2.13 Git学习资料 2.13 Git学习资料 Git命令繁多复杂，很难在短时间内讲解完毕，但读者可以通过阅读本文，掌握基本的Git使用。入门之后，即可在平时的开发中不断提高自己的Git技巧，在遇到问题时查看相关资料进行学习即可，而不需要刻意抽出时间学习。下面笔者给大家介绍一些比较权威的Git学习指南。 Git权威指南的中文版（http://g... -
空标题文档
8.3 使用标准库中的mixin类 标准库使用了mixin类定义。有许多模块中都有这种例子，包括io、socketserver、urllib.request、contextlib和collections.abc。 当我们基于collections.abc抽象基类自定义集合时，我们会使用mixin类确保容器的横切方面都以一致的方式定义。最上层的集合（Se... -
6.5 超参数的验证
6.5 超参数的验证 6.5.1 验证数据 6.5.2 超参数的最优化 6.5.3 超参数最优化的实现 6.5 超参数的验证 神经网络中，除了权重和偏置等参数，超参数 （hyper-parameter）也经常出现。这里所说的超参数是指，比如各层的神经元数量、batch 大小、参数更新时的学习率或权值衰减等。如果这些超参数没有设置合适的值，模型的性... -
空标题文档
第 2 版新增内容 首先，我们来说说第 2 版中有哪些内容没有改变，那就是我们决定在第 2 版中继续使用 Python 2，而不是转换到 Python 3。我们会在第 1 章解释其中的原因。 下面是第 2 版与第 1 版的不同之处 增加了一些说明，解释 Python 2 和 Python 3 的区别。 第 12 章增加了一节关于 Python ... -
2.5.7 计算过程中的故障和容灾处理
2.5.7 计算过程中的故障和容灾处理 2.5.7 计算过程中的故障和容灾处理 使用Fourinone可以完成大部分分布式并行计算需求，但是计算过程中的故障和容灾处理是怎么进行的呢，这里详细分析一下。 总的来说，Fourinone框架不会在设计中抛弃错误不处理或者容忍错误导致框架崩溃，框架通常会捕获所有的错误反馈给开发者去处理，但是框架本身不自作主张...