文件名称：tf-deep-learning：使用TensorFlow的深度学习模型的集合
文件大小：1.59MB
文件格式：ZIP
更新时间：2024-03-04 02:05:15
JupyterNotebook
tf深度学习 该存储库包含我从Udacity的入门到TensorFlow深度学习课程的工作。 课程链接： : 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。 潜在的扩展： 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 查找更复杂的方程之间的关系（是否根据复杂度添加更多节点？） 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种服装进行分类。 在测试数据集上的使用精度为87.84％。 使用的数据集： 线性回归与分类问题 分类 回归 输出量 代表每个类别的概率的数字列表 单号 例 时尚MNIST 摄氏到华氏度 失利 稀疏分类交叉熵 均方误差 最后一层激活功能 softmax 没有 3.使用卷积神经网络的服装分类器 目的： 建立并训练卷积神经网络（CNN）对服装图像进行
【文件预览】：
tf-deep-learning-main
----Celsius_to_Farenheit.ipynb(7KB)
----DL_ClothingClassification.ipynb(16KB)
----Dogs_vs_Cats_Classification_W_Augmentation.ipynb(14KB)
----images()
--------freeze_transfer_learning.PNG(102KB)
--------fashionmnist_vs_catsdogs.PNG(73KB)
--------saving_models.PNG(131KB)
--------transfer_learning.PNG(185KB)
--------regression_v_classification.PNG(405KB)
----LICENSE(2KB)
----CNN_ClothingClassification.ipynb(15KB)
----README.md(5KB)
----Dogs_vs_Cats_Classification_wo_Augmentation.ipynb(13KB)
----Flower_Classifier_CNNs.ipynb(12KB)
----Dogs_vs_Cats_TransferLearning.ipynb(15KB)
----Flower_Classifier_TransferLearning.ipynb(973KB)