dally2的博客

五种参数优化器 1 SGD（不含momentum的梯度下降算法） 2 SGDM（含momentum的梯度下降算法，在SGD基础上增加一阶动量） 3 Adagrad（在SGD基础上增加二阶动量） 4 RMSProp（在SGD基础上增加二阶动量） 5 Adam（同时结合SGDM一阶动量和RMSProp二阶动量）

准备数据集 读入数据->随机打乱数据顺序->匹配x,y并打包成一小撮->设置相同的数据类型->设置输入参数w,b->设置超参数 训练 整体来说，需要确定训练数据集迭代的次数，并明确对于整个训练数据集而言，是分成了一小撮一小撮进行执行的，因此，需要有两个循环；考虑到训练数据集的最终目的是为了优化参数w,b，且tensorflow2.0版本已经给出了自动求导的方法，可以在tf.GradientTape() 中执行，通过原有的线性模型和激活函数得到预测值y，与真实值y_进行对比，得.

1.创建 conda create -n 虚拟环境名 [其他所需安装包 ] [指定python版本] #[]表示可选； 默认python是最新版本。 举例： #指定python conda create -n env_name python=2.7 #指定python版本，并安装其他包 conda create -n env_name numpy matplotlib python=2.7 2.激活虚拟环境 conda activate 虚拟环境名 3.退出虚拟环境 activate roo

先分别创建cpu和gpu虚拟环境，激活虚拟环境，然后安装想要的版本。 1.安装CPU环境的tensorflow 1.1 创建虚拟环境 conda create -n tf2_cpu python=3.7.6 1.2 激活虚拟环境并指定安装tensorflow2.1版本 conda activate tf2_cpu pip install tensorflow==2.1 2.安装GPU环境的tensorflow 2.1 创建虚拟环境 conda create -n tf2_gpu tensorfl

仅需要卸载再重新安装。 进入tensorflow2.0虚拟环境 pip uninstall h5py #卸载 pip install h5py #安装

重新下载cudart64_101.dll，点击下载 并将下载后的文件解压到:C:\Windows\System32路径下，重启电脑。

仅需两个步骤 1.右击打开终端，激活tensorflow虚拟环境，source activate tensorflow 2.安装matplotlib：conda install matplotlib

one_hot的作用就是这样的，作为存储标签的一种方式，用1的位置不同来区分数值。

简言之，最根本原因是版本冲突，多次安装与下载Anaconda，导致环境污染。建议安装Anaconda的话，下载清华镜像中的安装包，速度还是比较快的。 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 我们需要注意，Anaconda安装时不能选择"路径添加到系统中" 直接打勾的方式容易污染环境变量，如果安装很多软件的话，path变量就会很乱，建议使用创建一个新的环境变量名，然后使用%该环境变量名%将其添加到path中，对于自己要安装的软件最好放在a

win10+Anaconda安装tensorflow，过程简洁！

核心介绍： 采用logistic回归解决分类问题，大致可以分为两个步骤： 1.分类，采用逻辑回归公式实现分类 2.评估分类效果并调整w,b值

Tensorflow函数之tf.equal、tf.cast 1、tf.equal是对比两个向量或者矩阵的值是否相等。 对应元素相等返回true，不相等返回false。注意返回的数据类型。 import tensorflow as tf import numpy as np A = [[1,3,4,5,6]] #1*5矩阵 B = [[1,3,4,3,2]] #1*5矩阵 C = [1,3,4,5,6] #有5个元素的向量 D = [1,3,4,3,2] #有5个元素的向量 with

Tensorflow函数之tf.argmax、tf.argmin理解一、 tf.argmax知识点理解1.1 作用1.2 表示1.3 实例二、 tf.argmin知识点理解2.1 作用2.2 表示2.3 实例 一、 tf.argmax知识点理解 1.1 作用 找到对应向量或矩阵中的最大值问题。 1.2 表示 tf.argmax的完整表示：tf.argmax(input,axis) 1、input可以是向量、或者矩阵（没有数值，单独一个数，没有比较的意义）。 2、根据axis取值的不同返回每行或者每列最大值的

module 'Tensorflow’ has no atrribute 'Session’解决方案 来，上错误： 错误原因： 版本不符，tensorflow2.0版本问题 解决方案： Tensorflow Core r2.0默认情况下已启用急切执行。因此可使用tf.compat.v1.Session（）和 run（）函数。 有两种表示形式： 1.常规的,Sessio()、run()、close() import tensorflow as tf #构建图 matrix1 = tf.constant([[3

Tensorflow入门基础知识一、知识框架二、内容概述2.1 定义2.2 特征2.3 基本用法2.3.1 构图2.3.2 计算过程 一、知识框架 二、内容概述 2.1 定义 TensorFlow是一个采用数据流图，用于数值计算的开源软件库。 2.2 特征 高度的灵活性 将计算表示为一个数据流图，构建图，描写驱动计算的内部循环，就可以使用Tensorflow 真正的可移植性 Tensorflow 在CPU和GPU上运行，比如说可以运行在台式机、服务器、手机移动设备等等。 自动求微分 只需要定义预测模型的

Python中numpy对象random使用方法总结内容介绍一、随机生成浮点数1.1 生成(0,1)之间的浮点数1.1.1 numpy.random.rand()1.1.2 numpy.random.random_sample(size=None)1.1.3 numpy.random.random(size=None)1.1.4 numpy.random.ranf(size=None)1.1.5 numpy.random.sample(size=None)1.2 符合正太分布的浮点数1.2.1 np.ra

win10中安装TensorFlow，并将TensorFlow导入PyCharm中 写在前面： 希望曾经我所遇到的坑，大家不要踩。 可以用pip直接下，但是我没成功，我用了第二种方法，Anaconda3方式下载Tensor 一、下载Tensor到win10 下载Anaconda: https://www.anaconda.com/distribution/ 一定要根据自己的系统类型进行选择，否则...