这几天刚好有环境,打算学习一下深度学习
看了一圈介绍,发现优达学城的深度学习课程作为入门课程还是不错的

今天看了第一章节的视频,顺便做了任务1
任务1难度不大,按照网站上的说明可以完成下载、打包等工作

Problem 6 没有给代码,下面是我的代码,供大家参考

import numpy as np
import pickle
from sklearn.linear_model import LogisticRegressionprint 'start load data!'
data = pickle.load(open('notMNIST.pickle','rb'))train_features = data['train_dataset']
train_labels = data['train_labels']test_features = data['test_dataset']
test_labels = data['test_labels']train_len = len(train_features)
train_features = train_features.reshape(train_len,784)test_len = len(test_features)
test_features = test_features.reshape(test_len,784)print 'start train!'
classifier = LogisticRegression()
classifier.fit(train_features, train_labels)print 'start predict!'
score = classifier.score(test_features,test_labels)print 'The accuray score is %s' % str(score)

训练集大小:30000,测试集大小:10000
实验结果如下,正确率87.94%,正确率还凑活吧,速度挺慢的。


参考

  • 优达学城 深度学习
  • tensorflow/tensorflow/examples/udacity/1_notmnist.ipynb

优达学城 深度学习 任务1相关推荐

  1. 优达学城-深度学习笔记(一)

    优达学城-深度学习笔记(一) 标签: 机器学习 优达学城-深度学习笔记一 一 神经网络简介 最大似然概率 交叉熵Cross entropy 1交叉熵代码实现 2多类别交叉熵 对数几率回归的误差函数co ...

  2. 优达学城 深度学习 任务2

    不得不说优达学城的课程作为入门还真是不错,打算明年买一个纳米课程试一下. 说明 任务2可以说是真正开始进入深度学习的领域 还是用任务1处理好的数据集 任务分为3个阶段 梯度下降算法(线性分类器) 批随 ...

  3. 优达学城深度学习之三(上)——卷积神经网络

    学习如何用神经网络来解决分类问题. 开始都会说什么是机器学习?机器学习的应用是什么?用机器在海量数据中学习得到可以解决一类问题的办法,这就是我的理解.图像处理.文本处理.无人驾驶.等,深度学习最热门的 ...

  4. 优达学城深度学习之六——TensorFlow卷积神经网络

    TensorFlow卷积层 TensorFlow 提供了 tf.nn.conv2d() 和 tf.nn.bias_add() 函数来创建你自己的卷积层. # Output depth k_output ...

  5. 优达学城深度学习之七——TensorFlow卷积神经网络

    一.胶囊网络 池化运算会丢失一些图像信息.这是因为为了获得更小的特征级图像表示,池化会丢弃像素信息.与池化层相比,有一些分类方法不会丢弃空间信息,而是学习各个部分之间的关系(例如眼睛.鼻子和嘴之间的空 ...

  6. 优达学城深度学习(之四)——jupyter notebook

    Jupyter notebook 是什么? 欢迎学习本课程--如何使用 Jupyter notebook.Jupyter notebook 是一种 Web 应用,能让用户将说明文本.数学方程.代码和可 ...

  7. 优达学城深度学习之五——卷积神经网络

    梯度下降算法推导与实现 import matplotlib.pyplot as plt import numpy as np import pandas as pd#Some helper funct ...

  8. 优达学城深度学习之三(下)——卷积神经网络

    一.One-Hot编码 计算机在表示多结果的分类时,使用One-Hot编码是比较常见的处理方式.即每个对象都有对应的列. 二.最大似然率 下面是两幅图像,比较两幅图像,试通过概率的方法来讨论一下为什么 ...

  9. 优达学城深度学习之二——矩阵数学和Numpy复习

    一.数据维度 维度(scalar),张量(Tensor).3表示零维张量,[1 2 3]表示一维张量,矩阵表示二维张量,任何大于二维张量就叫张量(Tensor).如下图所示: 二.Numpy简介 2. ...

最新文章

  1. 计算器,利用灰度图的顶帽扣出数字
  2. Western Subregional of NEERC, Minsk, Wednesday, November 4, 2015 Problem G. k-palindrome dp
  3. 财务需要学python-8年老财务:财务分析学python就能提高效率?一半人是骗子
  4. Linux系统下安装卸载jdk
  5. jquery ajax html方法吗,jQuery ajax方法
  6. 知识点实用梳理:广播地址、10 BASE T、介质访问控制、ATM信元与HTTP状态码
  7. mybatis_user_guide(4) Mapper XML 文件
  8. (四)ElasticSearch之数据
  9. FFmpeg non-existing PPS 0 referenced问题描述
  10. 更新管理器_Win10设备管理器失去了通过互联网更新驱动程序的能力
  11. java unexpected type_意外类型需要变量找到值(Unexpected type required variable found value)...
  12. 手机芯片进入7纳米时代!高通确认年内发布,搭载5G,更强AI
  13. MkDocs安装、生成文档、风格配置、插件安装
  14. KVM 介绍(2):CPU 和内存虚拟化
  15. SketchUp Pro 2021 v21.1.279 x64 Multilingual
  16. 服务器宕机监控、检测、报警程序(139绑定手机短信报警)monitor_down.sh
  17. Android 屏幕适配tips
  18. Fitness Notes 健身笔记
  19. 与其坐而论道,不如起而行之
  20. Botnet趋势漏洞利用状况分析

热门文章

  1. VideoRender和ImageRender项目中遇到的一些cpp错误
  2. UE4材质05 方向和法向
  3. UFS-Net: A unified flame and smoke detection method for early detection of fire in video surveillanc
  4. java-easyExcel导出-合并单元格
  5. 如何将多个pdf合成一个pdf?
  6. php验证邮编,常用的js验证数字,电话号码,传真,邮箱,手机号码,邮编,日期...
  7. Office.Interop.Excel引用失败
  8. 银行卡信用卡号校验查询API接口
  9. vue 页面使用两套el-form表单并且嵌套使用el-checkbox
  10. 微信小程序| 做一款可以计算亲戚关系的计算器