第一个教程“MNIST for ML Beginners”的结尾有这样一段:
重要的是我们从这个模型中学到了东西。 不过,如果您对这些结果感到有些失望,请查看下一个我们做得更好的
但是下一个教程是“Deep MNIST for Experts”,它解释的东西几乎没有第一个教程那么好。 例如,第二个教程在Build a Multilayer Convolutional Network
部分开始有所不同,但是Weight Initialization
下的第一段没有解释它使用的概念:
要创建此模型,我们将需要创建大量权重和偏差。 通常应该使用少量噪声初始化权重以破坏对称性,并防止 0 梯度。 由于我们使用的是 ReLU 神经元,因此将它们初始化为稍微正的初始偏置以避免“死神经元”也是一种很好的做法。 与其在构建模型时重复执行此操作,不如创建两个方便的函数来为我们执行此操作。
什么是“ReLU 神经元”? 我们为什么要使用它们? 什么是卷积网络?
我会说,要么
the next tutorial
而应该说a later tutorial on MNIST for Experts
。谢谢!
借调。 我认为对 conv nets 的解释在 MNIST 数字的上下文中会有所帮助。
TensorFlow 教程不能替代深度学习或机器学习教科书或课程。 当其他资源可用时,我们可能会添加指向其他资源的指针。
不仅本教程很复杂,所有这些教程都很复杂。
例如,我想做的是:
但是 Tensorflow 一开始就给了我一个 4 文件的 MNIST 教程,其中包含复杂的图形和将文件加载到网络的复杂机制
最有用的评论
不仅本教程很复杂,所有这些教程都很复杂。
例如,我想做的是:
但是 Tensorflow 一开始就给了我一个 4 文件的 MNIST 教程,其中包含复杂的图形和将文件加载到网络的复杂机制