- 博客(7)
- 资源 (5)
- 收藏
- 关注
原创 Tensorflow手写数字识别
import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data#载入数据集 mnist = input_data.read_data_sets("MNIST_data", one_hot = True)#批次大小 batch_size = 100 #计算一共有多少个批次 n_batch = mni
2017-10-15 11:16:35 646
原创 softmax分类
鸢尾花数据集。在数据集包含三个特征值及其三个可能的输出类(不同的鸢尾花),因此权值矩阵的维数应为4*3(下载链接)import tensorflow as tf#此时,权值构成了一个矩阵,而非向量,每个“特征权值列"对应一个输出类别 W = tf.Variable(tf.zeros([4, 3]), name = "Weights") #每个偏置也是如此,每个偏置对应一个输出类 b = tf.Var
2017-10-12 21:38:49 795
原创 对数几率回归
从kaggle下载的泰坦尼克数据集import tensorflow as tf#对数几率回归参数和变量的初始化 W = tf.Variable(tf.zeros([5, 1]), name="weights") b = tf.Variable(0.0, name="bias")#之前的推断现在用于值的合并 def combine_inputs(X): return tf.matmul(X,
2017-10-12 21:04:59 624
原创 线性回归
import tensorflow as tf#初始化变量和模型参数, 定义训练闭环中运算 W = tf.Variable(tf.zeros([2, 1]), name = "weights") b = tf.Variable(0.0, name = "bias")#计算推断模型在数据X上的输出, 并将结果返回 def inference(X): return tf.matmul(X, W)
2017-10-12 21:02:27 286
原创 tensorflow 非线性回归
#encoding:utf-8 #encoding:utf-8 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt # 神经层函数参数, 输入值, 输入的大小, 输出的大小,激励函数(默认为空) def add_layer(inputs, in_size, out_size, activation_fu
2017-10-12 20:58:05 1474
原创 sofxmax sigmod
import tensorflow as tf #此时,权值构成了一个矩阵,而非向量,每个“特征权值列"对应一个输出类别 W = tf.Variable(tf.zeros([4, 3]), name = "Weights") #每个偏置也是如此,每个偏置对应一个输出类 b = tf.Variable(tf.zeros([3]), name = "bias") def inference(X):
2017-10-11 21:53:36 613
原创 学习Tensorflow遇到的一些不懂函数的学习
1.tf.argmax()a = tf.constant([[1,5,3], [4,2,6]]) sess = tf.Session() print sess.run(tf.argmax(a, 0))#[1 0 1] print sess.run(tf.argmax(a, 1))#[1 2] #argmax()函数返回最大值的索引,0返回每一列
2017-10-11 21:51:16 477
city_info1.txt
2020-10-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人