基于Python的深度学习

Chainer 入门教程（1）

Chainer 入门教程（1） Chainer的模块介绍 Chainer的模块介绍如下 模块 功能 datasets 输入数据可以被格式化为这个类的模型输入。它涵盖了大部分输入数据结构的用例...

Posted by 徐志平 on December 18, 2017

Chainer 类型检查

类型检查 在本节中，您将了解以下内容： 类型检查的基本用法 类型信息的细节 类型检查的内部机制 更复杂的情况 函数调用 典型的检查例子 阅读本节后，您将能够： 编写一个代码来检查你自己函数的输入参数类型 类型检查的基本用法 当您使用无效类型的数组...

Posted by 徐志平 on December 17, 2017

Chainer 创建您自己的训练器扩展

创建您自己的训练器扩展 在本节中，您将了解以下内容： 什么是训练器扩展？ 如何创建自己的训练器扩展 通过定义一个简单的函数 通过定义一个用@make_extension装饰的函数 通过定义从Extension类继承的类 ...

Posted by 徐志平 on December 17, 2017

Chainer 导言和安装

导言和安装 Chainer是“灵活的深度学习框架”。与其他着名的tensorflow或caffe深度学习框架的不同之处在于，Chainer动态地构建了神经网络，使您能够在学习时更灵活地编写您的神经网络。 特别是，我想推荐Chainer 深度学习框架初学者 简单的环境设置：一个命...

Posted by 徐志平 on December 17, 2017

Chainer 定义你自己的函数

定义你自己的函数 在本节中，您将了解以下内容： 如何在变量上定义一个函数 编写使用GPU函数的有用工具 如何测试函数定义 阅读本节后，您将能够： 写你自己的函数 在函数定义中定义简单的内核 import numpy as np import chainer...

Posted by 徐志平 on December 15, 2017

Chainer 训练器的功能

让我们尝试使用训练器的功能 通过使用Trainer，您不需要再显式的编写训练循环。此外，Chainer还提供了很多有用的扩展，可以与Trainer一起使用，以便更直观地显示结果，评估模型，存储和管理日志文件。 本例将展示如何使用训练器在MNIST数据集上训练一个完全连接的前馈神经网络。 ...

Posted by 徐志平 on December 14, 2017

如何在Chainer写一个训练循环

如何在Chainer写一个训练循环 在本教程部分中，我们将学习如何训练一个深度神经网络，以在流行的MNIST数据集中对手写数字的图像进行分类。这个数据集包含50,000个训练样本和10,000个测试样本。每个样本都是一组28 x 28灰度图像和相应的类标签。由于使用了从0到9的数字，因此标签...

Posted by 徐志平 on December 14, 2017

Chainer 递归网络及其计算图

递归网络及其计算图 在本节中，您将学习如何编写 全后向传播的递归神经网络 截断后向传播的递归神经网络 占用更少的内存来评估网络 阅读本节后，您将能够： 处理可变长度的输入序列 前向计算时截断网络上游 使用非向后传播模式来防止网络构建 递归神经网络 递...

Posted by 徐志平 on December 14, 2017