TensorFlow深度学习项目实战: Chinese Edition
()
Posts & Telecom Press
人民邮电出版社,1953年10月成立,隶属于中国工信出版传媒集团,是工业和信息化部主管的大型专业出版社。建社以来,人民邮电出版社始终坚持正确的出版导向,坚持为科技发展与社会进步服务、为繁荣社会主义文化服务,坚持积极进取、改革创新,围绕“立足工信事业,面向现代社会,传播科学知识,引领美好生活”的出版宗旨,已发展成为集图书、期刊、音像电子及数字出版于一体的综合性出版大社。 人民邮电出版社是全国优秀出版社、全国百佳图书出版单位,第一届、第二届、第三届、第五届“中国出版政府奖先进出版单位”,拥有“全国文明单位”、中央国家机关“五一劳动奖状”、中央国家机关“文明单位标兵”和“首都文明单位标兵”等重要荣誉,切实将社会效益放在首位、实现社会效益与经济效益相统一,综合实力位居行业前列。 人民邮电出版社出版领域涵盖科技出版、教育出版、大众出版,涉及信息技术、通信、工业技术、科普、经济管理、摄影、艺术、运动与休闲、心理学、少儿、大中专教材等10余个出版门类,年出版图书近万种,年销售码洋逾30亿元,在全国图书零售市场的占有率名列前茅,其中计算机类、艺术类、摄影类、运动与休闲类排名第一,设计类排名第二,科普类、美术类排名第四,经管类、少儿类位居前列。
Read more from Posts & Telecom Press
Anaconda数据科学实战: Chinese Edition Rating: 0 out of 5 stars0 ratingsPython应用开发指南: Chinese Edition Rating: 0 out of 5 stars0 ratings金融中的机器学习: Chinese Edition Rating: 0 out of 5 stars0 ratingsPython实用技能学习指南: Chinese Edition Rating: 0 out of 5 stars0 ratingsPython算法交易实战: Chinese Edition Rating: 0 out of 5 stars0 ratingsPython迁移学习: Chinese Edition Rating: 0 out of 5 stars0 ratingsLua游戏AI开发指南: Chinese Edition Rating: 0 out of 5 stars0 ratingsR深度学习权威指南: Chinese Edition Rating: 0 out of 5 stars0 ratingsPython面向对象编程指南: Chinese Edition Rating: 0 out of 5 stars0 ratings神经网络算法与Java编程: Chinese Edition Rating: 0 out of 5 stars0 ratings用Python写网络爬虫(第2版): Chinese Edition Rating: 0 out of 5 stars0 ratings编写整洁的Python代码(第2版): Chinese Edition Rating: 0 out of 5 stars0 ratings数据科学实战手册(R+Python)(第2版): Chinese Edition Rating: 0 out of 5 stars0 ratingsSpark Cookbook (中文版): Chinese Edition Rating: 0 out of 5 stars0 ratingsPython编程入门与实战: Chinese Edition Rating: 0 out of 5 stars0 ratingsPyTorch深度学习: Chinese Edition Rating: 0 out of 5 stars0 ratingsR编程学习指南: Chinese Edition Rating: 0 out of 5 stars0 ratings程序员学数据结构: Chinese Edition Rating: 0 out of 5 stars0 ratingsD3.js数据可视化实战手册: Chinese Edition Rating: 0 out of 5 stars0 ratingsD3 4.x数据可视化实战手册(第2版): Chinese Edition Rating: 0 out of 5 stars0 ratingsPython高级编程(第2版): Chinese Edition Rating: 0 out of 5 stars0 ratings深度学习:核心原理与案例分析: Chinese Edition Rating: 0 out of 5 stars0 ratingsR概率图模型入门与实践: Chinese Edition Rating: 0 out of 5 stars0 ratingsR语言计量金融初学指南: Chinese Edition Rating: 0 out of 5 stars0 ratings精通Python自然语言处理: Chinese Edition Rating: 0 out of 5 stars0 ratingsscikit-learn机器学习(第2版): Chinese Edition Rating: 0 out of 5 stars0 ratings数据科学实战手册: Chinese Edition Rating: 0 out of 5 stars0 ratingsTensorFlow构建机器学习项目: Chinese Edition Rating: 0 out of 5 stars0 ratingsHadoop实际解决方案手册: Chinese Edition Rating: 0 out of 5 stars0 ratings
Related to TensorFlow深度学习项目实战
Related ebooks
TensorFlow构建机器学习项目: Chinese Edition Rating: 0 out of 5 stars0 ratingsTensorFlow机器学习: Chinese Edition Rating: 0 out of 5 stars0 ratingsDeep Learning with Keras Rating: 4 out of 5 stars4/5Python图像处理实战: Chinese Edition Rating: 0 out of 5 stars0 ratings深度学习:核心原理与案例分析: Chinese Edition Rating: 0 out of 5 stars0 ratingsDeep Learning with TensorFlow Rating: 5 out of 5 stars5/5Convolutional Neural Networks in Python: Beginner's Guide to Convolutional Neural Networks in Python Rating: 0 out of 5 stars0 ratingsPython迁移学习: Chinese Edition Rating: 0 out of 5 stars0 ratingsMastering Deep Learning with TensorFlow: From Fundamentals to Real-World Deployment Rating: 0 out of 5 stars0 ratingsMachine Learning Bookcamp: Build a portfolio of real-life projects Rating: 4 out of 5 stars4/5深度学习实战手册(R语言版): Chinese Edition Rating: 0 out of 5 stars0 ratingsMastering TensorFlow: From Basics to Expert Proficiency Rating: 0 out of 5 stars0 ratingsPyTorch Cookbook: 100+ Solutions across RNNs, CNNs, python tools, distributed training and graph networks Rating: 0 out of 5 stars0 ratingsPyTorch深度学习: Chinese Edition Rating: 0 out of 5 stars0 ratingsTensorFlow Developer Certification Guide: Crack Google's official exam on getting skilled with managing production-grade ML models Rating: 0 out of 5 stars0 ratingsHands-on ML Projects with OpenCV Rating: 0 out of 5 stars0 ratingsHands-on TinyML: Harness the power of Machine Learning on the edge devices (English Edition) Rating: 5 out of 5 stars5/5移动端机器学习实战: Chinese Edition Rating: 0 out of 5 stars0 ratingsLearning PyTorch 2.0, Second Edition: Utilize PyTorch 2.3 and CUDA 12 to experiment neural networks and deep learning models Rating: 0 out of 5 stars0 ratingsLearning PyTorch 2.0, Second Edition Rating: 0 out of 5 stars0 ratingsNeural Networks with Python Rating: 0 out of 5 stars0 ratingsMastering Deep Learning with Keras: From Basics to Expert Proficiency Rating: 0 out of 5 stars0 ratingsKeras to Kubernetes: The Journey of a Machine Learning Model to Production Rating: 0 out of 5 stars0 ratingsKeras Deep Learning Essentials: Definitive Reference for Developers and Engineers Rating: 0 out of 5 stars0 ratingsPractical GPU Programming: High-performance computing with CUDA, CuPy, and Python on modern GPUs Rating: 0 out of 5 stars0 ratingsPractical GPU Programming Rating: 0 out of 5 stars0 ratingsAnti fraud for Cheques and use of AI: Next gen realtime anti fraud 4 cheque processing Rating: 0 out of 5 stars0 ratingsRaspberry Pi Robotic Projects - Third Edition Rating: 0 out of 5 stars0 ratings
Intelligence (AI) & Semantics For You
Writing AI Prompts For Dummies Rating: 0 out of 5 stars0 ratingsMastering ChatGPT: 21 Prompts Templates for Effortless Writing Rating: 4 out of 5 stars4/5Co-Intelligence: Living and Working with AI Rating: 4 out of 5 stars4/5ChatGPT Millionaire: Work From Home and Make Money Online, Tons of Business Models to Choose from Rating: 5 out of 5 stars5/5Midjourney Mastery - The Ultimate Handbook of Prompts Rating: 5 out of 5 stars5/5Creating Online Courses with ChatGPT | A Step-by-Step Guide with Prompt Templates Rating: 4 out of 5 stars4/5THE CHATGPT MILLIONAIRE'S HANDBOOK: UNLOCKING WEALTH THROUGH AI AUTOMATION Rating: 5 out of 5 stars5/5Nexus: A Brief History of Information Networks from the Stone Age to AI Rating: 4 out of 5 stars4/5The Coming Wave: AI, Power, and Our Future Rating: 4 out of 5 stars4/5Artificial Intelligence: A Guide for Thinking Humans Rating: 4 out of 5 stars4/5AI Investing For Dummies Rating: 0 out of 5 stars0 ratingsWhy Machines Learn: The Elegant Math Behind Modern AI Rating: 3 out of 5 stars3/5The Secrets of ChatGPT Prompt Engineering for Non-Developers Rating: 5 out of 5 stars5/5Coding with AI For Dummies Rating: 1 out of 5 stars1/5Digital Dharma: How AI Can Elevate Spiritual Intelligence and Personal Well-Being Rating: 5 out of 5 stars5/5Mastering ChatGPT Rating: 0 out of 5 stars0 ratings80 Ways to Use ChatGPT in the Classroom Rating: 5 out of 5 stars5/5AI for Educators: AI for Educators Rating: 3 out of 5 stars3/53550+ Most Effective ChatGPT Prompts Rating: 0 out of 5 stars0 ratingsAI Money Machine: Unlock the Secrets to Making Money Online with AI Rating: 5 out of 5 stars5/5Generative AI For Dummies Rating: 2 out of 5 stars2/5The ChatGPT Revolution: How to Simplify Your Work and Life Admin with AI Rating: 0 out of 5 stars0 ratingsThe AI-Driven Leader: Harnessing AI to Make Faster, Smarter Decisions Rating: 4 out of 5 stars4/5
Reviews for TensorFlow深度学习项目实战
0 ratings0 reviews
Book preview
TensorFlow深度学习项目实战 - Posts & Telecom Press
版 权 信 息
书 名: T e n s o r F l o w 深 度 学 习 项 目 实 战
I S B N: 9 7 8 - 7 - 1 1 5 - 5 6 3 8 9 - 7
本 书 由 人 民 邮 电 出 版 社 发 行 数 字 版。 版 权 所 有, 侵 权 必 究。
您 购 买 的 人 民 邮 电 出 版 社 电 子 书 仅 供 您 个 人 使 用, 未 经 授 权, 不 得 以 任 何 方 式 复 制 和 传 播 本 书 内 容。
我 们 愿 意 相 信 读 者 具 有 这 样 的 良 知 和 觉 悟, 与 我 们 共 同 保 护 知 识 产 权。
如 果 购 买 者 有 侵 权 行 为, 我 们 可 能 对 该 用 户 实 施 包 括 但 不 限 于 关 闭 该 帐 号 等 维 权 措 施, 并 可 能 追 究 法 律 责 任。
版 权
著 [ 美] 卢 卡• 马 萨 罗 ( L u c a M a s s a r o n)
[ 美] 阿 尔 贝 托• 博 斯 凯 蒂 ( A l b e r t o B o s c h e t t i)
[ 美] 阿 列 克 谢• 格 里 高 瑞 夫 ( A l e x e y G r i g o r e v)
[ 印] 阿 布 舍 克• 塔 库 尔 ( A b h i s h e k T h a k u r)
[ 新 加 坡] 拉 贾 林 加 帕• 尚 穆 加 马 尼 ( R a j a l i n g a p p a a S h a n m u g a m a n i)
译 魏 博 刘 昌 灵 司 竹 月 刘 小 晴
责 任 编 辑 吴 晋 瑜
人 民 邮 电 出 版 社 出 版 发 行 北 京 市 丰 台 区 成 寿 寺 路 1 1 号
邮 编 1 0 0 1 6 4 电 子 邮 件 3 1 5 @ p t p r e s s. c o m. c n
网 址 h t t p: / / w w w. p t p r e s s. c o m. c n
读 者 服 务 热 线:( 0 1 0) 8 1 0 5 5 4 1 0
反 盗 版 热 线:( 0 1 0) 8 1 0 5 5 3 1 5
版 权 声 明
C o p y r i g h t © P a c k t P u b l i s h i n g 2 0 1 8. F i r s t p u b l i s h e d i n t h e E n g l i s h l a n g u a g e u n d e r t h e t i t l e T e n s o r F l o w D e e p L e a r n i n g P r o j e c t s ( 9 7 8 1 7 8 8 3 9 8 0 6 0). A l l r i g h t s r e s e r v e d.
本 书 由 英 国 P a c k t P u b l i s h i n g 公 司 授 权 人 民 邮 电 出 版 社 有 限 公 司 出 版。 未 经 出 版 者 书 面 许 可, 对 本 书 的 任 何 部 分 不 得 以 任 何 方 式 或 任 何 手 段 复 制 和 传 播。
版 权 所 有, 侵 权 必 究。
内 容 提 要
本 书 旨 在 利 用 T e n s o r F l o w 针 对 各 种 现 实 场 景 设 计 深 度 学 习 系 统, 引 导 读 者 实 现 有 趣 的 深 度 学 习 项 目。 本 书 涵 盖 1 0 个 实 践 项 目, 如 用 目 标 检 测 A P I 标 注 图 像、 利 用 长 短 期 记 忆 神 经 网 络 ( L S T M) 预 测 股 票 价 格、 构 建 和 训 练 机 器 翻 译 模 型、 检 测 Q u o r a 数 据 集 中 的 重 复 问 题 等。 通 过 阅 读 本 书, 读 者 可 以 了 解 如 何 搭 建 深 度 学 习 的 T e n s o r F l o w 环 境、 如 何 构 建 卷 积 神 经 网 络 以 有 效 地 处 理 图 像、 如 何 利 用 长 短 期 记 忆 神 经 网 络 预 测 股 票 价 格, 以 及 如 何 实 现 一 个 能 够 自 己 玩 电 子 游 戏 的 人 工 智 能 ( A I)。
本 书 适 合 数 据 科 学 家、 机 器 学 习 和 深 度 学 习 领 域 的 从 业 者 以 及 人 工 智 能 技 术 的 爱 好 者 阅 读。
作 者 简 介
非 常 感 谢 Y u k i k o 和 A m e l i a 的 一 贯 支 持、 帮 助 和 耐 心 等 待。
—— L u c a M a s s a r o n
L u c a M a s s a r o n 是 一 名 数 据 科 学 家, 也 是 一 家 公 司 的 市 场 研 究 总 监, 长 期 从 事 多 元 统 计 分 析、 机 器 学 习 和 客 户 分 析 等 工 作, 有 1 0 多 年 的 解 决 实 际 问 题 的 经 验, 擅 长 运 用 推 理、 统 计、 数 据 挖 掘 和 算 法 为 客 户 创 造 价 值。 他 对 数 据 分 析 技 术 非 常 感 兴 趣, 乐 于 向 专 业 人 员 和 非 专 业 人 员 展 示 数 据 驱 动 的 知 识 发 现 的 巨 大 潜 力。 他 坚 信 通 过 简 单 明 了 的 解 释 和 对 行 业 的 基 本 理 解 可 以 实 现 很 多 目 标。
A l b e r t o B o s c h e t t i 是 一 名 数 据 科 学 家, 在 信 号 处 理 和 统 计 方 面 有 丰 富 的 经 验。 他 拥 有 通 信 工 程 博 士 学 位, 目 前 从 事 自 然 语 言 处 理、 机 器 学 习 和 分 布 式 处 理 等 方 向 的 工 作。 他 经 常 参 加 学 术 讨 论、 大 型 会 议 和 其 他 活 动, 关 注 数 据 科 学 技 术 的 最 新 进 展。
非 常 感 谢 我 的 妻 子 L a r i s a 和 我 的 儿 子 A r k a d i j 对 本 书 的 等 待 和 支 持。
—— A l e x e y G r i g o r e v
A l e x e y G r i g o r e v 是 经 验 丰 富 的 数 据 科 学 家、 机 器 学 习 工 程 师 和 软 件 开 发 人 员, 拥 有 超 过 8 年 的 专 业 经 验。 他 原 是 一 名 J a v a 开 发 人 员, 后 转 而 从 事 数 据 科 学 工 作。 现 在, A l e x e y 是 S i m p l a e x 公 司 的 数 据 科 学 家, 主 要 使 用 J a v a 和 P y t h o n 进 行 数 据 清 理、 数 据 分 析 和 建 模。 他 擅 长 的 领 域 是 机 器 学 习 和 文 本 挖 掘。
A b h i s h e k T h a k u r 是 一 名 数 据 科 学 家, 主 要 关 注 应 用 机 器 学 习 和 深 度 学 习。 他 在 2 0 1 4 年 获 得 了 德 国 波 恩 大 学 的 计 算 机 科 学 硕 士 学 位, 之 后 在 多 个 行 业 工 作。 他 的 研 究 方 向 是 自 动 化 机 器 学 习。 他 热 衷 于 参 加 机 器 学 习 竞 赛, 在 K a g g l e 竞 赛 中 获 得 过 全 球 第 三 名 的 好 成 绩。
感 谢 我 的 妻 子 E z h i l、 家 人 和 朋 友 的 支 持! 感 谢 让 我 受 益 良 多 的 所 有 老 师 和 同 事 们!
—— R a j a l i n g a p p a a S h a n m u g a m a n i
R a j a l i n g a p p a a S h a n m u g a m a n i 是 新 加 坡 S A P 公 司 的 一 名 深 度 学 习 主 管。 他 曾 在 多 家 初 创 公 司 工 作, 负 责 开 发 计 算 机 视 觉 产 品。 他 拥 有 印 度 理 工 学 院 的 硕 士 学 位, 其 毕 业 论 文 是 关 于 计 算 机 视 觉 在 制 造 业 中 的 应 用。
审 稿 人 简 介
M a r v i n B e r t i n是 在 线 课 程 创 作, 也 是 技 术 图 书 的 审 稿 人, 主 要 关 注 深 度 学 习、 计 算 机 视 觉 以 及 基 于 T e n s o r F l o w 的 自 然 语 言 处 理 等 技 术 方 向。 他 拥 有 机 械 工 程 学 士 学 位 和 数 据 科 学 硕 士 学 位, 曾 在 美 国 加 利 福 尼 亚 州 旧 金 山 湾 区 的 企 业 担 任 机 器 学 习 工 程 师 和 数 据 科 学 家, 主 要 从 事 推 荐 系 统、 自 然 语 言 处 理 和 生 物 技 术 应 用 等 方 面 的 工 作。 目 前 他 在 一 家 初 创 公 司 工 作, 从 事 针 对 早 期 癌 症 检 测 开 发 深 度 学 习 算 法 的 工 作。
译 者 简 介
魏 博 中 国 科 学 院 计 算 机 软 件 研 究 博 士, 前 阿 里 巴 巴 视 频 搜 索 引 擎 算 法 专 家, O p e r a 新 闻 推 荐 算 法 专 家, 曾 任 志 诺 维 思 ( 北 京) 基 因 科 技 有 限 公 司 技 术 总 监, 现 为 北 京 字 节 跳 动 网 络 有 限 公 司 数 据 智 能 策 略 负 责 人。 长 期 致 力 于 数 据 科 学 在 多 个 领 域 中 的 应 用 和 产 品 落 地。 译 作 有《 数 据 科 学 R 语 言 实 现 》《 概 率 图 模 型 R 语 言 》 和《 大 规 模 数 据 分 析 和 建 模: 基 于 S p a r k 与 R 》。
刘 昌 灵 清 华 大 学 计 算 神 经 学 在 读 博 士, 现 为 志 诺 维 思 ( 北 京) 基 因 科 技 有 限 公 司 算 法 专 家, 曾 荣 获 全 国 大 学 生 数 学 建 模 竞 赛 和 美 国 大 学 生 数 学 建 模 大 赛 一 等 奖。
司 竹 月 北 京 理 工 大 学 计 算 机 数 据 挖 掘 硕 士, 前 阿 里 巴 巴 视 频 搜 索 引 擎 算 法 工 程 师, 现 为 北 京 字 节 跳 动 网 络 有 限 公 司 推 荐 算 法 工 程 师。
刘 小 晴 中 国 人 民 大 学 计 算 机 ( 机 器 学 习 方 向) 硕 士, 现 为 志 诺 维 思 ( 北 京) 基 因 科 技 有 限 公 司 算 法 工 程 师。
前 言
T e n s o r F l o w 是 目 前 非 常 流 行 的 用 于 机 器 学 习 和 深 度 学 习 的 框 架。 它 为 训 练 不 同 类 型 的 深 度 学 习 模 型 提 供 了 一 个 快 速、 高 效 的 框 架, 可 使 训 练 后 的 模 型 拥 有 较 高 的 准 确 率。 本 书 通 过 1 0 个 实 践 项 目, 帮 助 你 掌 握 基 于 T e n s o r F l o w 的 深 度 学 习 技 术。
本 书 首 先 介 绍 如 何 搭 建 正 确 的 T e n s o r F l o w 环 境。 通 过 阅 读 本 书, 你 可 以 了 解 如 何 使 用 T e n s o r F l o w 训 练 不 同 类 型 的 深 度 学 习 模 型, 其 中 包 括 卷 积 神 经 网 络 ( C N N)、 循 环 神 经 网 络 ( R N N)、 长 短 期 记 忆 神 经 网 络 ( L S T M) 以 及 生 成 对 抗 网 络 ( G A N); 可 以 构 建 端 到 端 的 深 度 学 习 的 解 决 方 案, 以 处 理 真 实 世 界 的 各 种 问 题, 例 如 图 像 处 理、 企 业 人 工 智 能 系 统 和 自 然 语 言 处 理 等; 还 可 以 训 练 高 性 能 的 模 型, 例 如 为 图 像 自 动 生 成 描 述、 预 测 股 票 的 价 格 走 势、 构 建 智 能 聊 天 机 器 人 等。 本 书 还 涉 及 一 些 高 级 内 容, 例 如 推 荐 系 统 和 强 化 学 习。
学 完 本 书, 你 可 以 了 解 深 度 学 习 的 有 关 概 念, 以 及 这 些 概 念 在 T e n s o r F l o w 中 的 相 应 实 现, 并 能 使 用 T e n s o r F l o w 构 建 和 训 练 自 己 的 深 度 学 习 模 型, 进 而 具 备 解 决 多 种 类 型 的 问 题 的 技 能。
读 者 对 象
本 书 适 合 数 据 科 学 家、 机 器 学 习 和 深 度 学 习 从 业 者 以 及 人 工 智 能 爱 好 者 阅 读, 可 帮 助 他 们 提 升 构 建 真 实 智 能 系 统 的 知 识 水 平 和 专 业 能 力。 如 果 你 希 望 通 过 T e n s o r F l o w 完 成 实 际 项 目, 以 掌 握 不 同 的 深 度 学 习 概 念 和 算 法, 本 书 应 是 首 选!
本 书 内 容
第 1 章 介 绍 如 何 采 用 必 要 的 预 处 理 步 骤 从 图 像 中 提 取 合 适 的 特 征。 对 于 卷 积 神 经 网 络, 我 们 将 使 用 M a t p l o t l i b 生 成 的 简 单 图 像。
第 2 章 介 绍 如 何 构 建 实 时 目 标 检 测 应 用 程 序。 该 应 用 程 序 可 以 使 用 T e n s o r F l o w 的 目 标 检 测 A P I ( 一 些 预 训 练 好 的 卷 积 神 经 网 络, 即 T e n s o r F l o w 检 测 M o d e l Z o o) 及 O p e n C V 标 注 图 像、 视 频 和 网 络 摄 像 头 捕 捉 的 影 像。
第 3 章 介 绍 如 何 借 助 或 不 借 助 预 训 练 模 型 生 成 图 像 描 述。
第 4 章 介 绍 如 何 构 建 G A N 以 逐 步 再 现 所 需 的 图 像。 使 用 的 数 据 集 是 手 写 字 符 数 据 集 ( 数 字 和 字 母 都 是 C h a r s 7 4 K 的)。
第 5 章 介 绍 如 何 预 测 一 维 信 号 ( 股 票 价 格), 即 根 据 股 票 的 历 史 价 格, 使 用 L S T M 预 测 其 未 来 价 格, 并 让 预 测 更 加 准 确。
第 6 章 介 绍 如 何 使 用 T e n s o r F l o w 构 建 和 训 练 先 进 的 机 器 翻 译 模 型。
第 7 章 介 绍 如 何 从 零 开 始 构 建 智 能 聊 天 机 器 人, 以 及 如 何 与 之 进 行 交 互。
第 8 章 讨 论 检 测 Q u o r a 数 据 集 中 重 复 问 题 的 方 法—— 这 些 方 法 也 可 以 用 于 其 他 类 似 的 数 据 集。
第 9 章 介 绍 如 何 用 T e n s o r F l o w 构 建 推 荐 系 统, 以 及 如 何 对 其 进 行 简 单 的 评 估。
第 1 0 章 介 绍 如 何 构 建 可 以 玩 转《 登 月 着 陆 器 》 游 戏 的 人 工 智 能 系 统。 该 游 戏 基 于 已 有 的 O p e n A I G y m 项 目 展 开 并 使 用 T e n s o r F l o w 进 行 整 合。 O p e n A I G y m 提 供 了 不 同 的 游 戏 环 境, 可 以 帮 助 使 用 者 了 解 使 用 A I 智 能 体 的 方 法 及 其 背 后 T e n s o r F l o w 神 经 网 络 模 型 的 算 法。
阅 读 前 提
本 书 的 示 例 可 以 在 W i n d o w s、 U b u n t u 和 m a c O S 上 运 行。 读 者 应 事 先 了 解 P y t h o n 编 程 语 言、 机 器 学 习 和 深 度 学 习 的 基 础 知 识, 并 且 熟 悉 T e n s o r F l o w。
本 书 体 例
C o d e I n T e x t: 表 示 正 文 中 的 代 码、 数 据 库 表 名、 文 件 夹 名、 文 件 名、 文 件 扩 展 名、 路 径 名、 虚 拟 U R L、 用 户 输 入 和 T w i t t e r 句 柄。 例 如,T q d m U p T o类 是 一 个t q d m包 装 器, 支 持 在 下 载 时 使 用 进 度 显 示。
代 码 段 的 格 式 如 下 所 示:
i m p o r t n u m p y a s n p
i m p o r t u r l l i b. r e q u e s t
i m p o r t t a r f i l e
i m p o r t o s
i m p o r t z i p f i l e
i m p o r t g z i p
i m p o r t o s
f r o m g l o b i m p o r t g l o b
f r o m t q d m i m p o r t t q d m
命 令 行 的 输 入 或 输 出 如 下 所 示:
e p o c h 0 1: p r e c i s i o n: 0. 0 6 4 e p o c h 0 2: p r e c i s i o n: 0. 0 8 6 e p o c h 0 3: p r e c i s i o n: 0. 1 0 6 e p o c h 0 4: p r e c i s i o n: 0. 1 2 7 e p o c h 0 5: p r e c i s i o n: 0. 1 3 8 e p o c h 0 6: p r e c i s i o n: 0. 1 4 5 e p o c h 0 7: p r e c i s i o n: 0. 1 5 0 e p o c h 0 8: p r e c i s i o n: 0. 1 4 9 e p o c h 0 9: p r e c i s i o n: 0. 1 5 1 e p o c h 1 0: p r e c i s i o n: 0. 1 5 2
黑 体: 用 于 显 示 专 业 名 词 术 语 或 重 点 强 调 的 词 或 语 句。
图像说明文字警 告 或 重 要 的 注 释 以 这 样 的 形 式 显 示。
图像说明文字提 示 和 技 巧 以 这 样 的 形 式 显 示。
第 1 章 用 卷 积 神 经 网 络 识 别 交 通 标 志
本 章 将 构 建 一 个 简 单 的 模 型, 以 解 决 交 通 标 志 识 别 问 题, 这 是 本 书 的 第 一 个 项 目。 在 这 个 模 型 中, 深 度 学 习 的 表 现 非 常 出 色。 简 单 来 说, 只 要 给 定 一 幅 交 通 标 志 的 彩 色 图 像, 模 型 就 能 够 识 别 出 它 是 什 么 交 通 标 志。
本 章 主 要 包 括 以 下 内 容:
数 据 集 是 如 何 构 成 的;
应 该 使 用 哪 种 深 度 神 经 网 络;
如 何 对 数 据 集 中 的 图 像 进 行 预 处 理;
如 何 训 练、 预 测 并 关 注 模 型 的 性 能。
1. 1 数 据 集
本 章 会 用 到 一 些 交 通 标 志, 以 完 成 图 像 预 测 任 务, 因 此 需 要 构 建 相 应 的 数 据 集。 幸 运 的 是, 德 国 f ü r N e u r o i n f o r m a t i k 研 究 所 的 研 究 人 员 构 建 了 一 个 包 含 约 4 0 0 0 0 幅 不 同 图 像 的 数 据 集, 其 中 包 含 4 3 种 交 通 标 志。 我 们 使 用 的 数 据 集 是 德 国 交 通 标 志 识 别 基 准 ( G e r m a n T r a f f i c S i g n R e c o g n i t i o n B e n c h m a r k, G T S R B) 竞 赛 的 一 部 分。 该 竞 赛 会 对 参 赛 者 们 为 实 现 同 一 目 标 而 构 建 的 模 型 的 性 能 进 行 评 选。 尽 管 这 个 数 据 集 比 较 陈 旧 ( 2 0 1 1 年), 但 是 对 于 本 项 目 来 说, 不 失 为 一 个 不 错 的 选 择。
要 获 取 上 述 数 据 集, 请 自 行 搜 索 G T S R B _ F i n a l _ T r a i n i n g _ I m a g e s. z i p 文 件。
图像说明文字在 运 行 代 码 之 前, 请 先 下 载 文 件 并 将 其 解 压 到 该 代 码 所 在 的 目 录 下。 解 压 后, 得 到 的 是 一 个 名 为 G T S R B 的 包 含 数 据 集 的 文 件 夹。 在 此 感 谢 为 这 一 开 源 数 据 集 做 出 贡 献 的 人。
图 1 - 1~ 图 1 - 3 给 出 了 一 些 交 通 标 志 图 像 的 示 例。 限 速 2 0 k m / h 的 交 通 标 志 如 图 1 - 1 所 示。 直 行 或 右 转 的 交 通 标 志 如 图 1 - 2 所 示。 环 岛 的 交 通 标 志 如 图 1 - 3 所 示。
可 以 看 到, 交 通 标 志 图 像 的 亮 度 并 不 一 致 ( 有 些 很 暗, 有 些 很 亮), 它 们 的 大 小、 拍 摄 视 角 和 背 景 也 不 尽 相 同, 并 且 其 中 可 能 混 杂 着 其 他 交 通 标 志。
数 据 集 的 组 织 方 式 如 下: 所 有 标 签 相 同 的 图 像 位 于 同 一 文 件 夹 中。 例 如, 文 件 路 径G T S R B / F i n a l _ T r a i n i n g / I m a g e s / 0 0 0 4 0 /所 指 文 件 夹 中 的 图 像 标 签 均 为 4 0, 而 文 件 路 径G T S R B / F i n a l _ T r a i n i n g / I m a g e s / 0 0 0 0 5 /所 指 文 件 夹 中 的 图 像 标 签 为 5。 注 意, 这 些 图 像 均 为 P P M 格 式—— 一 种 无 损 压 缩 格 式, 这 种 格 式 的 图 像 支 持 很 多 开 源 的 编 码 器 / 解 码 器。
..\tu\1-1.tif图 1 - 1
..\tu\1-2.tif图 1 - 2
..\tu\1-3.tif图 1 - 3
1. 2 卷 积 神 经 网 络
本 项 目 会 用 到 一 个 具 有 图 1 - 4 所 示 结 构 的 简 单 卷 积 神 经 网 络。
在 上 述 结 构 中, 还 有 以 下 参 数:
( 1) 二 维 卷 积 层 中 滤 波 器 的 个 数 和 核 的 大 小;
( 2)最 大 池 化 层中 核 的 大 小;
( 3)全 连 接 层中 的 单 元 数;
( 4) 批 大 小、 优 化 算 法、 学 习 步 骤 ( 最 终 的 衰 减 率)、 各 层 的 激 活 函 数 和 轮 数。
C:\Documents and Settings\Administrator\桌面\21-0386 改图\1-4.tif图 1 - 4
1. 3 图 像 预 处 理
模 型 的 第 一 步 操 作 是 读 入 图 像 并 对 其 进 行 标 准 化 处 理, 即 图 像 预 处 理。 事 实 上, 我 们 不 能 在 图 像 尺 寸 不 统 一 的 情 况 下 开 展 后 续 工 作。 因 此, 首 先 要 加 载 图 像 并 且 将 其 变 换 为 指 定 的 尺 寸 ( 3 2 × 3 2)。 除 此 之 外, 我 们 需 要 对 标 签 进 行 o n e - h o t 编 码, 得 到 一 个 4 3 维 的 矩 阵, 让 矩 阵 中 的 每 一 维 只 有 一 个 元 素 有 效, 同 时 把 图 像 的 颜 色 空 间 从 R G B 模 式 转 为 灰 度 模 式。 我 们 通 过 观 察 图 像 可 以 发 现, 所 需 要 的 信 息 不 在 标 志 图 像 的 颜 色 中, 而 是 在 图 像 的 形 状 和 设 计 中。
接 着, 打 开 J u p y t e r N o t e b o o k, 编 写 代 码。 先 设 置 一 些 全 局 变 量, 包 括 类 的 数 量 ( 4 3) 和 变 换 后 图 像 的 尺 寸:
N _ C L A S S E S = 4 3
R E S I Z E D _ I M A G E = ( 3 2, 3 2)
接 下 来, 定 义 一 个 函 数, 用 来 读 取 给 定 目 录 下 的 所 有 图 像, 然 后 把 这 些 图 像 转 换 成 给 定 形 状, 转 为 灰 度 图, 并 对 标 签 做 o n e - h o t 编 码。 这 里 需 要 使 用 一 个 名 为D a t a s e t的 元 组:
i m p o r t m a t p l o t l i b. p y p l o t a s p l t
i m p o r t g l o b
f r o m s k i m a g e. c o l o r i m p o r t r g b 2 l a b
f r o m s k i m a g e. t r a n s f o r m i m p o r t r e s i z e
f r o m c o l l e c t i o n s i m p o r t n a m e d t u p l e
i m p o r t n u m p y a s n p
n p. r a n d o m. s e e d ( 1 0 1)
% m a t p l o t l i b i n l i n e
D a t a s e t = n a m e d t u p l e ( ' D a t a s e t ', [ ' X ', ' y '])
d e f t o _ t f _ f o r m a t ( i m g s):
r e t u r n n p. s t a c k ( [ i m g [:, :, n p. n e w a x i s] f o r i m g i n i m g s],
a x i s = 0). a s t y p e ( n p. f l o a t 3 2)
d e f r e a d _ d a t a s e t _ p p m ( r o o t p a t h, n _ l a b e l s, r e s i z e _ t o):
i m a g e s = []
l a b e l s = []
f o r c i n r a n g e ( n _ l a b e l s):
f u l l _ p a t h = r o o t p a t h + ' / ' + f o r m a t ( c, ' 0 5 d ') + ' / '
f o r i m g _ n a m e i n g l o b. g l o b ( f u l l _ p a t h + *. p p m
):
i m g = p l t. i m r e a d ( i m g _ n a m e). a s t y p e ( n p. f l o a t 3 2)
i m g = r g b 2 l a b ( i m g / 2 5 5. 0) [:,:, 0]
i f r e s i z e _ t o:
i m g = r e s i z e ( i m g, r e s i z e _ t o, m o d e = ' r e f l e c t ')
l a b e l = n p. z e r o s ( ( n _ l a b e l s, ), d t y p e = n p. f l o a t 3 2)
l a b e l [ c] = 1. 0
i m a g e s. a p p e n d ( i m g. a s t y p e ( n p. f l o a t 3 2))
l a b e l s. a p p e n d ( l a b e l)
r e t u r n D a t a s e t ( X = t o _ t f _ f o r m a t ( i m a g e s). a s t y p e ( n p. f l o a t 3 2),
y = n p. m a t r i x ( l a b e l s). a s t y p e ( n p. f l o a t 3 2))
d a t a s e t = r e a d _ d a t a s e t _ p p m ( ' G T S R B / F i n a l _ T r a i n i n g / I m a g e s ', N _ C L A S S E S,
R E S I Z E D _ I M A G E)
p r i n t ( d a t a s e t. X. s h a p e)
p r i n t ( d a t a s e t. y. s h a p e)
因 为 用 了s k i m a g e模 块, 所 以 图 像 的 读 取、 变 换、 改 变 尺 寸 的 操 作 将 非 常 简 单。 我 们 在 代 码 实 现 中 决 定 对 原 始 的 颜 色 空 间 ( R G B) 进 行 转 化, 只 保 留 亮 度 分 量。 在 这 里, 另 一 个 可 以 较 好 地 进 行 转 化 的 颜 色 空 间 是 Y U V, 其 中 只 有 Y 分 量 应 该 被 保 留 为 灰 度 图。
运 行 代 码 的 结 果 如 下:
( 3 9 2 0 9, 3 2, 3 2, 1) ( 3 9 2 0 9, 4 3)
注 意 输 出 格 式: 观 察 矩 阵 \boldsymbol{X} 的 维 度 为 4。 第 一 个 维 度 代 表 观 察 值 的 索 引 ( 近 4 0 0 0 0), 其 他 3 个 维 度 表 示 图 像 信 息 ( 3 2 × 3 2 的 一 维 灰 度 图)。 这 是 用 T e n s o r F l o w 处 理 的 图 像 的 默 认 形 状 ( 详 见 代 码 中 的_ t f _ f o r m a t函 数)。
对 于 标 签 矩 阵, 行 是 观 察 值 的 索 引, 列 是 标 签 的 o n e - h o t 编 码。
为 了 更 好 地 理 解 观 察 矩 阵, 我 们 输 出 第 一 个 样 本 的 特 征 向 量 ( 见 图 1 - 5) 和 标 签 向 量:
..\tu\1-5.tif图 1 - 5
p l t. i m s h o w ( d a t a s e t. X [ 0, :, :, :]. r e s h a p e ( R E S I Z E D _ I M A G E)) # s a m p l e
p r i n t ( d a t a s e t. y [ 0, :]) # l a b e l
[ [ 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
可 以 发 现, 图 像 就 是 特 征 向 量, 其 尺 寸 为 3 2 × 3 2。 标 签 向 量 只 在 第 一 个 位 置 值 为 1。
输 出 最 后 一 个 样 本, 如 图 1 - 6 所 示。
p l t. i m s h o w ( d a t a s e t. X [ - 1, :, :, :]. r e s h a p e ( R E S I Z E D _ I M A G E)) # s a m p l e
p r i n t ( d a t a s e t. y [ - 1, :]) # l a b e l
[ [ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]]
..\tu\1-6.tif图 1 - 6
特 征 向 量 的 尺 寸 保 持 不 变, 仍 为 3 2 × 3 2, 而 标 签 向 量 只 在 最 后 一 个 位 置 值 为 1。
这 就 是 构 建 模 型 需 要 的 两 部 分 信 息。 尤 其 要 注 意 图 像 的 形 状, 因 为 在 用 深 度 学 习 处 理 图 像 的 过 程 中 这 很 关 键。 与 经 典 机 器 学 习 的 观 察 矩 阵 相 比, 这 里 \boldsymbol{X} 的 维 度 为 4。
图 像 预 处 理 的 最 后 一 步 是 训 练 集 / 测 试 集 的 分 割。 我 们 希 望 在 数 据 集 的 一 个 子 集 上 训 练 模 型, 并 在 其 补 集 ( 测 试 集) 上 测 试 模 型 的 性 能, 为 此 需 要 用 到s k l e a r n提 供 的 函 数:
f r o m s k l e a r n. m o d e l _ s e l e c t i o n i m p o r t t r a i n _ t e s t _ s p l i t
i d x _ t r a i n, i d x _ t e s t = t r a i n _ t e s t _ s p l i t ( r a n g e ( d a t a s e t. X. s h a p e [ 0]),
t e s t _ s i z e = 0. 2 5, r a n d o m _ s t a t e = 1 0 1)
X _ t r a i n = d a t a s e t. X [ i d x _ t r a i n, :, :, :]
X _ t e s t = d a t a s e t. X [ i d x _ t e s t, :, :, :]
y _ t r a i n = d a t a s e t. y [ i d x _ t r a i n, :]
y _ t e s t = d a t a s e t. y [ i d x _ t e s t, :]
p r i n t ( X _ t r a i n. s h a p e)
p r i n t ( y _ t r a i n. s h a p e)
p r i n t ( X _ t e s t. s h a p e)
p r i n t ( y _ t e s t. s h a p e)
在 这 个 例 子 中, 我 们 用 数 据 集 中 7 5% 的 样 本 训 练, 用 其 余 2 5% 的 样 本 测 试。 此 时, 代 码 的 实 际 输 出 如 下:
( 2 9 4 0 6, 3 2, 3 2, 1) ( 2 9 4 0 6, 4 3) ( 9 8 0 3, 3 2, 3 2, 1) ( 9 8 0 3, 4 3)
1. 4 训 练 模 型 并 进 行 预 测
首 先, 我 们 需 要 一 个 用 于 创 建 小 批 量 训 练 数 据 的 函 数。 事 实 上, 在 每 次 训 练 迭 代 中, 我 们 都 需 要 插 入 从 训 练 集 中 提 取 的 小 批 量 样 本。 这 里 需 要 创 建 一 个 函 数, 该 函 数 将 观 察 值、 标 签 和 批 大 小 作 为 参 数, 并 返 回 一 个 小 批 量 样 本 生 成 器。 此 外, 为 了 在 训 练 数 据 中 引 入 一 些 可 变 性, 我 们 在 函 数 中 加 入 另 一 个 参 数 ( 重 洗 数 据), 以 使 每 个 生 成 器 有 可 能 包 含 不 同 的 小 批 量 数 据。 这 样 将 迫 使 模 型 学 习 输 入、 输 出 的 关 系, 而 不 是 去 记 忆 序 列。
d e f m i n i b a t c h e r ( X, y, b a t c h _ s i z e, s h u f f l e):
a s s e r t X. s h a p e [ 0] = = y. s h a p e [ 0]
n _ s a m p l e s = X. s h a p e [ 0]
i f s h u f f l e:
i d x = n p. r a n d o m. p e r m u t a t i o n ( n _ s a m p l e s)
e l s e:
i d x = l i s t ( r a n g e ( n _ s a m p l e s))
f o r k i n r a n g e ( i n t ( n p. c e i l ( n _ s a m p l e s / b a t c h _ s i z e))):
f r o m _ i d x = k * b a t c h _ s i z e
t o _ i d x = ( k + 1) * b a t c h _ s i z e
y i e l d X [ i d x [ f r o m _ i d x: t o _ i d x], :, :, :], y [ i d x [ f r o m _ i d x: t o _ i d x], :]
为 了 测 试 这 一 函 数, 我 们 用 如 下 代 码 输 出b a t c h_s i z e = 1 0 0 0 0时 小 批 量 样 本 的 形 状:
f o r m b i n m i n i b a t c h e r ( X _ t r a i n, y _ t r a i n, 1 0 0 0 0, T r u e):
p r i n t ( m b [ 0]. s h a p e, m b [ 1]. s h a p e)
输 出 的 结 果 如 下:
( 1 0 0 0 0, 3 2, 3 2, 1) ( 1 0 0 0 0, 4 3) ( 1 0 0 0 0, 3 2, 3 2, 1) ( 1 0 0 0 0, 4 3) ( 9 4 0 6, 3 2, 3 2, 1) ( 9 4 0 6, 4 3)
不 出 所 料, 训 练 集 中 的 2 9 4 0 6 个 样 本 被 分 成 了 两 个 有 1 0 0 0 0 个 元 素 的 小 批 量 样 本 和 一 个 有 9 4 0 6 个 元 素 的 小 批 量 样 本。 当 然, 标 签 矩 阵 中 也 有 相 同 数 量 的 元 素。
现 在 我 们 可 以 构 建 模 型 了。 首 先, 需 要 确 定 模 型 的 模 块, 可 以 从 创 建 全 连 接 层 开 始, 加 入 可 变 数 量 的 单 元 ( 作 为 参 数) 且 不 加 入 激 活 层。 我 们 采 用 x a v i e r 初 始 化 方 法 对 系 数 ( 权 重) 进 行 初 始 化, 偏 置 设 为 0。 输 出 等 于 输 入 张 量 乘 以 权 重, 再 加 上 偏 置。 需 要 注 意 的 是, 权 重 的 维 度 是 动 态 定 义 的, 因 此 可 用 于 模 型 中 的 任 何 地 方。
i m p o r t t e n s o r f l o w a s t f
d e f f c _ n o _ a c t i v a t i o n _ l a y e r ( i n _ t e n s o r s, n _ u n i t s):
w = t f. g e t _ v a r i a b l e ( ' f c _ W ',
[ i n _ t e n s o r s. g e t _ s h a p e () [ 1], n _ u n i t s],
t f. f l o a t 3 2,
t f. c o n t r i b. l a y e r s. x a v i e r _ i n i t i a l i z e r ())
b = t f. g e t _ v a r i a b l e ( ' f c _ B ',
[ n _ u n i t s, ],
t f. f l o a t 3 2,
t f. c o n s t a n t _ i n i t i a l i z e r ( 0. 0))
r e t u r n t f. m a t m u l ( i n _ t e n s o r s, w) + b
下 面 我 们 来 创 建 带 激 活 函 数 的 全 连 接 层。 值 得 一 提 的 是, 这 里 的 激 活 函 数 采 用 l e a k y R e L U, 用 如 下 方 法 来 实 现:
d e f f c _ l a y e r ( i n _ t e n s o r s, n _ u n i t s):
r e t u r n t f. n n. l e a k y _ r e l u ( f c _ n o _ a c t i v a t i o n _ l a y e r ( i n _ t e n s o r s, n _ u n i t s))
然 后, 创 建 一 个 卷 积 层, 参 数 包 含 输 入 数 据、 核 的 大 小 以 及 滤 波 器 ( 或 神 经 元) 个 数。 采 用 与 全 连 接 层 相 同 的 激 活 函 数。 在 这 种 情 况 下, 输 出 层 需 要 通 过 l e a k y R e L U 激 活 函 数 激 活:
d e f c o n v _ l a y e r ( i n _ t e n s o r s, k e r n e l _ s i z e, n _ u n i t s):
w = t f. g e t _ v a r i a b l e ( ' c o n v _ W ',
[ k e r n e l _ s i z e, k e r n e l _ s i z e, i n _ t e n s o r s. g e t _ s h a p e () [ 3], n _ u n i t s],
t f. f l o a t 3 2,
t f. c o n t r i b. l a y e r s. x a v i e r _ i n i t i a l i z e r ())
b = t f. g e t _ v a r i a b l e ( ' c o n v _ B ',
[ n _ u n i t s, ],
t f. f l o a t 3 2,
t f. c o n s t a n t _ i n i t i a l i z e r ( 0. 0))
r e t u r n t f. n n. l e a k y _ r e l u ( t f. n n. c o n v 2 d ( i n _ t e n s o r s, w, [ 1, 1, 1, 1], ' S A M E ') + b)
再 创 建 池 化 层m a x p o o l _ l a y e r。 这 里, 核 的 尺 寸 和 步 长 都 是 平 方 级 的:
d e f m a x p o o l _ l a y e r ( i n _ t e n s o r s, s a m p l i n g):
r e t u r n t f. n n. m a x _ p o o l ( i n _ t e n s o r s, [ 1, s a m p l i n g, s a m p l i n g, 1], [ 1, s a m p l i n g, s a m p l i n g, 1], ' S A M E ')
最 后 要 创 建 的 是 定 义 d r o p o u t 层, 用 来 正 则 化 网 络。 d r o p o u t 层 的 定 义 相 当 简 单。 只 需 要 记 住, 它 在 训 练 时 会 用 到, 预 测 时 不 会 用 到。 因 此, 需 要 一 个 额 外 的 条 件 运 算 符 来 定 义 是 否 使 用 d r o p o u t 层:
d e f d r o p o u t ( i n _ t e n s o r s, k e e p _ p r o b a, i s _ t r a i n i n g):
r e t u r n t f. c o n d ( i s _ t r a i n i n g, l a m b d a: t f. n n. d r o p o u t ( i n _ t e n s o r s, k e e p _ p r o b a), l a m b d a: i n _ t e n s o r s)
最 后, 我 们 需 要 把 各 模 块 组 合 起 来 并 构 建 模 型。 构 建 的 模 型 包 含 以 下 几 层。
( 1) 二 维 卷 积 层, 5 × 5, 共 3 2 个 滤 波 器。
( 2) 二 维 卷 积 层, 5 × 5, 共 6 4 个 滤 波 器。
( 3) 展 平 层。
( 4) 全 连 接 层, 共 1 0 2 4 个 单 元。
( 5) 4 0% 的 d r o p o u t 层。
( 6) 全 连 接 层 ( 无 激 活 函 数)。
( 7) S o f t m a x 层。
代 码 如 下:
d e f m o d e l ( i n _ t e n s o r s, i s _ t r a i n i n g):
# F i r s t l a y e r: 5 x 5 2 d - c o n v, 3 2 f i l t e r s, 2 x m a x p o o l, 2 0% d r o u p u t
w i t h t f. v a r i a b l e _ s c o p e ( ' l 1 '):
l 1 = m a x p o o l _ l a y e r ( c o n v _ l a y e r ( i n _ t e n s o r s, 5, 3 2), 2)
l 1 _ o u t = d r o p o u t ( l 1, 0. 8, i s _ t r a i n i n g)
# S e c o n d l a y e r: 5 x 5 2 d - c o n v, 6 4 f i l t e r s, 2 x m a x p o o l, 2 0% d r o u p u