数据分析实战45讲
陈旸
清华大学计算机博士
立即订阅
17314 人已学习
课程目录
已完结 48 讲
0/4登录后,你可以任选4讲全文学习。
开篇词 (1讲)
开篇词 | 你为什么需要数据分析能力?
免费
第一模块:数据分析基础篇 (16讲)
01丨数据分析全景图及修炼指南
02丨学习数据挖掘的最佳路径是什么?
03丨Python基础语法:开始你的Python之旅
04丨Python科学计算:用NumPy快速处理数据
05丨Python科学计算:Pandas
06 | 学数据分析要掌握哪些基本概念?
07 | 用户画像:标签化就是数据的抽象能力
08 | 数据采集:如何自动化采集数据?
09丨数据采集:如何用八爪鱼采集微博上的“D&G”评论
10丨Python爬虫:如何自动化下载王祖贤海报?
11 | 数据科学家80%时间都花费在了这些清洗任务上?
免费
12 | 数据集成:这些大号一共20亿粉丝?
13 | 数据变换:考试成绩要求正态分布合理么?
14丨数据可视化:掌握数据领域的万金油技能
15丨一次学会Python数据可视化的10种技能
16丨数据分析基础篇答疑
第二模块:数据分析算法篇 (20讲)
17 丨决策树(上):要不要去打篮球?决策树来告诉你
18丨决策树(中):CART,一棵是回归树,另一棵是分类树
19丨决策树(下):泰坦尼克乘客生存预测
20丨朴素贝叶斯分类(上):如何让机器判断男女?
21丨朴素贝叶斯分类(下):如何对文档进行分类?
22丨SVM(上):如何用一根棍子将蓝红两色球分开?
23丨SVM(下):如何进行乳腺癌检测?
24丨KNN(上):如何根据打斗和接吻次数来划分电影类型?
25丨KNN(下):如何对手写数字进行识别?
26丨K-Means(上):如何给20支亚洲球队做聚类?
27丨K-Means(下):如何使用K-Means对图像进行分割?
28丨EM聚类(上):如何将一份菜等分给两个人?
29丨EM聚类(下):用EM算法对王者荣耀英雄进行划分
30丨关联规则挖掘(上):如何用Apriori发现用户购物规则?
31丨关联规则挖掘(下):导演如何选择演员?
32丨PageRank(上):搞懂Google的PageRank算法
33丨PageRank(下):分析希拉里邮件中的人物关系
34丨AdaBoost(上):如何使用AdaBoost提升分类器性能?
35丨AdaBoost(下):如何使用AdaBoost对房价进行预测?
36丨数据分析算法篇答疑
第三模块:数据分析实战篇 (7讲)
37丨数据采集实战:如何自动化运营微博?
38丨数据可视化实战:如何给毛不易的歌曲做词云展示?
39丨数据挖掘实战(1):信用卡违约率分析
40丨数据挖掘实战(2):信用卡诈骗分析
41丨数据挖掘实战(3):如何对比特币走势进行预测?
42丨当我们谈深度学习的时候,我们都在谈什么?
43丨深度学习(下):如何用Keras搭建深度学习网络做手写数字识别?
第四模块:数据分析工作篇 (2讲)
44丨如何培养你的数据分析思维?
45丨求职简历中没有相关项目经验,怎么办?
加餐 (1讲)
加餐丨在社交网络上刷粉刷量,技术上是如何实现的?
结束语 (1讲)
结束语丨当大家都在讲知识和工具的时候,我更希望你重视思维和实战
数据分析实战45讲
登录|注册

43丨深度学习(下):如何用Keras搭建深度学习网络做手写数字识别?

陈旸 2019-03-22
通过上节课的讲解,我们已经对神经网络和深度学习有了基本的了解。这节课我就用 Keras 这个深度学习框架做一个识别手写数字的练习。
你也许还有印象,在 KNN 算法那节中,我讲到过 Mnist 手写数字识别这个数据集,当时我们采用的是 mini 版的手写数字数据集。实际上完整版的 Mnist 一共有 60000 个训练样本和 10000 个测试样本,这么庞大的数据量更适合用深度学习框架完成训练。
今天的学习目标主要有以下的几个方面:
进一步了解 CNN 网络。CNN 网络在深度学习网络中应用很广,很多网络都是基于 CNN 网络构建的,你有必要进一步了解 CNN 的网络层次,尤其是关于卷积的原理。
初步了解 LeNet 和 AlexNet。它们都是经典的 CNN 网络,我们今天的任务就是认识这些经典的 CNN 网络,这样在接触更深度的 CNN 网络的时候,比如 VGG、GoogleNet 和 ResNet 这些网络的时候,就会更容易理解和使用。
对常用的深度学习框架进行对比,包括 Tensorflow、Keras、Caffe、PyTorch、 MXnet 和 Theano。当选择深度学习框架的时候到底该选择哪个?
使用 Keras 这个深度学习框架编写代码,完成第一个深度学习任务,也就是 Mnist 手写数字识别。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《数据分析实战45讲》,如需阅读全部文章,
请订阅文章所属专栏。
立即订阅
登录 后留言

精选留言(16)

  • third
    卷积是一种操作,就像是过滤这个动作。
    卷积核是卷积的一层滤网,
    多个卷积核形成一个卷积层
    卷积层像一个过滤层,过滤掉不需要的杂质
    2019-03-22
    5
  • mickey
    请教以下几个问题:
    1、卷积核是怎么来的?
    2、为什么卷积核要翻转180度?为什么不一开始就设置为已经转好的?
    3、为什么要做这样乘?其背后的数学理论、思想和原理是什么?
    2019-04-12
    4
  • 浩然
    至于为什么要翻转,举个例子,假如图像是这样: 0 0 0 1 0 ;卷积核是这样: 1 2 3,如果不翻转,结果就是 0 3 2 1 0,发现结果是反的。如果卷积核翻转成 3 2 1 ,那么结果就是 0 1 2 3 0 ,是正的。
    2019-04-19
    1
  • 浩然
    1、不同的卷积核应该对应不用的图像操作,比如可以通过改变卷积核实现图像锐化等操作
    2、不旋转180的操作是滤波器,旋转后是卷积
    2019-04-19
    1
  • Lisa
    老师,配置每个层的时候填的数字有什么一般规律或范围吗?比如全连接层为什么填120呢?为什么填84呢?

    model.add(Dense(120, activation='relu'))
    model.add(Dense(84, activation='relu'))

    作者回复: 这个是LeNet-5的模型,3个全连接层的输出维度分别是120,84,10。都是确定好的,直接使用就好了

    2019-09-06
  • 滨滨
    1、卷积是矩阵运算。图像中不同数据窗口的数据和卷积核(一个滤波矩阵)作内积的操作叫做卷积。
    2、卷积核就是图像处理时,给定输入图像,在输出图像中每一个像素是输入图像中一个小区域中像素的加权平均,其中权值由一个函数定义,这个函数称为卷积核。
    3、卷积层:多个滤波器叠加便成了卷积层。
    2019-05-02
  • 滨滨
    CNN 网络结构中每一层的作用:它通过卷积层提取特征,通过激活函数让结果映射到非线性空间,增强了结果的表达能力,再通过池化层压缩特征图,降低了网络复杂度,最后通过全连接层归一化,然后连接 Softmax 分类器进行计算每个类别的概率。
    2019-05-02
  • 个人对于卷积、卷积核、卷积层的理解是:
    卷积是一种做内积运算的操作;
    卷积核就是要做内积运算的规则;
    卷积层是融合了一个或多个卷积核(即多个运算规则)的过滤网络
    2019-04-27
  • 有个疑问,卷积核翻转180度后,应该是
    1 1 0
    1 0 -1
    0 -1 -1
    但是在做运算的时候 ,为何成了
    10*1 10*1 10*1
    10*1 5*0 5*-1
    10*0 5*-1 5 *-1
    第一行第三个数不应该是10*0 吗 ? 想问下这里是在怎么回事嘛?刚接触神经网络,对卷积还不太了解
    2019-04-27
    1
  • Switch
    老师,训练出来的模型,怎么用于实际使用呢?
    2019-04-13
  • 我不造⊙_⊙
    老师,对于多列文字的数据,想要分析出字段之间的关联关系应该怎么做啊?
    2019-04-04
  • 讲的真好,希望老师也能出深度学习的课程
    2019-04-01
  • 深白浅黑
    CNN卷积网络神经结构
    CNN卷积网络由三种层次构成,分别是卷积层、池化层和全连接层。
    卷积
    卷积是一种举证运算,在深度学习中,以图像识别为例,个人理解可以把卷积操作理解为,提取矩阵数据特征的一种手段。
    卷积核
    在进行卷积操作时,会用到卷积核,在图像识别中,个人理解可以将卷积核理解为一种滤波器,可以将图像中符合卷积核特性的特征进行提取。
    卷积层
    卷积层的作用是提取数据多维特征,方法是:使用卷积核,运用矩阵相乘的方式对二维数据进行卷积运算,提取数据的特征。通常卷积层使用多个卷积核,提取数据中的多种数据特征。

    问题:
    1、在卷积层与池化层之间,需要使用激活函数对数据体征进行非线性变换,对于激活函数的选取,有没有详细的说明,或者说,哪些激活函数适用于哪些非线性变化的情况?
    2、有没有其他的实际项目经验,可以分享o(∩_∩)o
    2019-03-22
  • 王彬成
    参考链接:https://www.cnblogs.com/readingintheway/p/4977669.html
    卷积核为何要翻转才能计算的原因:
    所谓的翻转只是因为你站立的现在是过去的未来,而因为h(t)始终不变,故h(1)其实是前一秒的h(1),而前一秒的h(1)就是现在,所以从当前x(4)的角度往左看,你看到的是过去的作用。h(t)未翻转前,当从h(0)往右看,你看到的是现在对于未来的影响,当翻转h(t)之后,从h(0)往左看,你依次看到的越来越远的过去对现在的影响,而这个影响,与从x=4向左看的作用影响相对应(都是越来越远的过去),作用与作用的响应就对应起来了,这一切的本质,是因为你站立的时间观察点和方向在变。
    2019-03-22
  • zy
    我是用pytorch,这几天的内容好熟悉呀
    2019-03-22
  • 王彬成
    参考链接:https://blog.csdn.net/cheneykl/article/details/79740810

    1、卷积是矩阵运算。图像中不同数据窗口的数据和卷积核(一个滤波矩阵)作内积的操作叫做卷积。
    2、卷积核就是图像处理时,给定输入图像,在输出图像中每一个像素是输入图像中一个小区域中像素的加权平均,其中权值由一个函数定义,这个函数称为卷积核。
    3、卷积层:多个滤波器叠加便成了卷积层。
    2019-03-22
收起评论
16
返回
顶部