自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 4

学习率:控制参数更新的速度。 学习率过小会大大增加优化的时间学习不能过大也不能过小 tensorflow 使用tf.train.exponential_decay函数实现指数衰减法设定学习率 使用这个函数可以先使用大的学习率来得到最优解 learning_rate初始学习率  decay_rate衰减系数 decay_steps 衰减次数 过拟合问题: 为了克服过拟合问题使用正则化

2017-11-26 17:06:12 310

原创 一日精通tensorflow(三)

在线性模型中输出等于输入的加权和。 当输出为所有输入的加权和,则这时候的模型是线性的 线性模型-全连接神经网络 在线性可分问题中,线性模型能够很好的解决 现实中绝大多数问题不能通过线性分割 激活函数去实现非线性化 如果每个神经元的输出通过一个非线性函数,整个神经网络就是非线性的,这个非线性函数就是激活函数 加入偏置项,并进行非线性变换。 这里是加上偏置项

2017-11-25 15:24:28 438

原创 TensorFlow初学(二)

前向传播算法: 一个神经元有多个输入和一个输出 神经网络:不同神经元的连接结构 一个简单的神经元的输出就是所有输入的加权和,而不同输入的权重就是神经元的参数,神经网络的优化过程,就是神经元中参数的取值过程                                      fig:三层全连接神经网络 全连接神经网络,两层直接的所有节点都有连接 输入层-> 隐藏层->输出层

2017-11-22 14:14:43 364

原创 一日精通python(三)

#选择与判断 #1、条件语句,大体上和C语言差不多,把多个条件联系起来,and or nor #if语句,注意input 输入的是字符串. #同时需要注意的是缩进 userinput=input("enter 1 or 2") if userinput=="1":     print("hello world")     print("how are you?") elif use

2017-11-21 19:47:21 504

原创 一日精通python(二)

下面介绍的是程序可交互性的笔记 #使用input() myname=input("please enter you name:") myage=input("what about your age?") print("hello world my name is ",myname,"and i am",myage,"years old") #print用于向用户展示信息 他接受0个或

2017-11-21 19:44:04 298

原创 C++的学习-“C++与C的不同的笔记”

using namespace std; //标准名字空间 C++的类型转换 static_cast(5.4)等于 C语言中的(int)5.4 #include//FOR time function #include//FOR rand and srand function srand(time(0))//func1tion change the value of seed in

2017-11-21 19:39:41 186

原创 一日精通python(一)

由于需要,需要快速入门,本博客是读了《爱上PYTHON----一日精通python》 1、变量的声明 userAge=30 userName='Peter' 不需要加分号,python对空格十分敏感,空格可以看作是C/C++中的分号。 2、定义一个整型 username=30 3、定义一个浮点型 userheight=1.85 4、定义一个字符串,单引号和双引号都可以

2017-11-21 16:51:52 1438

原创 TensorFlow初学(一)

Tensorflow所有的计算都会转化为计算图上的节点, tensor张量的意思,可以理解为多维数组,可以理解为它的数据结构;flow 流,体现了计算模型; tensorflow是通过计算图的形式来表述计算的编程系统。 每一个计算都是计算图上的一个节点,节点之间的变描述为计算之间的依赖关系。

2017-11-17 16:48:48 277

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除