实践-传统深度学习

简介与安装

• [2 训练自己的数据集整体流程](#2 训练自己的数据集整体流程)
• [3 数据加载与预处理](#3 数据加载与预处理)
• [4 搭建网络模型](#4 搭建网络模型)
• [5 学习率对结果的影响](#5 学习率对结果的影响)
• [6 Drop-out操作](#6 Drop-out操作)
• [7 权重初始化方法对比](#7 权重初始化方法对比)
• [8 初始化标准差对结果的影响](#8 初始化标准差对结果的影响)
• [9 正则化对结果的影响](#9 正则化对结果的影响)
• [10 加载模型进行测试](#10 加载模型进行测试)

TensorFlow：每一步都需要自己做。

Keras：做起来更轻松。任务简单化。

构建代码中使用起来是不一样的。

Caffe适合做图像识别，只有卷积网络，不适合自然语言处理，更新的慢，很多网络没有。

TensorFlow：所有的东西亲力亲为。

Keras：用起来简单，上手非常快。用TensorFlow当做他执行的一个后端。

2 训练自己的数据集整体流程

3 数据加载与预处理

4 搭建网络模型

5 学习率对结果的影响

6 Drop-out操作

7 权重初始化方法对比

用截断高斯分布

8 初始化标准差对结果的影响

9 正则化对结果的影响

10 加载模型进行测试

目前迭代了200次