广东家常菜

豆豉排骨

食材：

• 排骨一根（约350g）

• 豆豉（5克 约覆盖的碗底）

• 香菇（10g 约覆盖的碗底）

• 土豆(80g)

• 酱油(5ml)

• 盐(3克)

• 水（100ml）

器具：电磁炉、电磁炉高压锅

深度学习-第一个数字识别项目

今天按Google官方推荐流程，整理了开发模板，不是所有深度学习都严格按这个模板来实现，不同项目步骤有所删减，但大体框架是差不多的，主要为以下过程:

深度学习的历史（一）

深度学习的主要突破是从2011年开始，开始超越其它算法成为主流也是从这个时间开始，因此我们有必要先了解从2011年开始的历史，话不多说，直接看。

Echo set color

先看例子：echo -e "\033[32m Hello world \033[0m";

会输出

$echo -e "\033[32m Hello world \033[0m"
 Hello world # 绿色的文字

其中：

• -e表示解析逃逸字符（Escape character），逃逸字符为<esc>作前缀的字符；
• \033[32m表示这后文字为绿色；
• \033[0m表示清除所有格式设定；

这个语句打印的Hello world文字是绿色的。

The ways to overcome overfitting

Collect data -> Data Processing -> Build model -> Training

                Augmentaion     
                                            L1,L2 Regularization
                                            early stopping Regularization
                                Dropout
                                Reduce Parameters

fit x shape and y shape

# OS:Windows 10
# python version: 3.7.4
# numpy version:1.19.4
# tensorflow version:1.14.0
# keras version:2.1.5

Error

ValueError: Error when checking target: expected dense_2 to have 4 dimensions, but got array with shape (145, 11)

def simpleCNN(input_shape):
	model = Sequential()
	model.add(Conv2D(filters=256, 
							kernel_size = (3*3), 
							activation="relu",
							input_shape=input_shape,
							padding="same" ) );# output: 13*13*384
	model.add(BatchNormalization()) 
	model.add(MaxPooling2D(pool_size=(3, 3), 
								strides=(2,2), 
								padding="same"));

	model.add(Dense(512, activation='relu', ))
	model.add(Dense(11, activation='softmax'))
	# model.add(layers.Dense(11, activation='sigmoid'))
	model.compile(optimizer='rmsprop', loss='categorical_crossentropy',
	               metrics=['accuracy'])
	return model;

model summary: