![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
forever0_0love
这个作者很懒,什么都没留下…
展开
-
anaconda的jupyter notebook 中 import matplotlib 显示 ImportError: No module named matplotlib
如图所示,解决方法:第一步:列出conda环境conda info --envs结果显示:# conda environments:#tensorflow * D:\anaconda\envs\tensorflowroot D:\anaconda第二步: 激活<envs>下的tensorflow,如上tensorfl...原创 2018-04-22 16:14:08 · 4083 阅读 · 1 评论 -
基于tensroflow的线性回归(1):直接用tensorflow求逆矩阵(python)
主要介绍使用tensorflow求逆矩阵的方法解决二维线性回归问题,线性回归算法能表示为矩阵计算,Ax=b。这里解决的是用矩阵x来求解系数。注意,如果观测矩阵不是方阵,那求解出的矩阵x如下式: python代码如下:# 求逆矩阵#导入必要的库...原创 2018-07-16 11:44:32 · 1427 阅读 · 0 评论 -
基于tensroflow的线性回归(2):训练迭代求解(python)
这次使用Scikit Learn 的内建iris数据集,数据点(x值代表花瓣宽度,y值代表花瓣长度),然后找到它们的最优直线。使用到不同的损失函数来对比其影响。首先使用L1正则损失函数:L1 = tf.reduce_mean(tf.abs(y_data-model_output))代码如下:# cost fuction 为L1正则损失函数import matplotlib.pyplot as p...原创 2018-07-16 13:09:01 · 332 阅读 · 0 评论 -
基于tensroflow的线性回归(3):tensroflow 实现逻辑回归(python)
内容均来自《tensorflow机器学习实战指南》,只是学习一下,或许有自己感悟。。前面两篇都是关于线性回归,这一片实现逻辑回归,其实逻辑回归算法可以将线性回归转化成一个二值分类器。通过sigmoid函数将线性回归的输出缩放到0和1之间。目标值是0或者1代表着一个数据点是否属于某一类。代码如下:# Logistic Regression# ---------------------...原创 2018-07-16 22:58:35 · 265 阅读 · 0 评论 -
TypeError: Input 'b' of 'MatMul' Op has type float32 that does not match type float64 of argument 'a
tensorflow学习笔记中,可能版本问题,总会遇到一些小问题,运行到矩阵相乘时会遇到上面的报错。import tensorflow as tfimport numpy as npbatch_size = 8Seed = 23455rdm = np.random.RandomState(Seed)x = rdm.rand(32,2)y_ = [[x1+x2+(rdm.rand(...原创 2018-07-24 22:27:42 · 26347 阅读 · 2 评论 -
基于tensroflow的svm算法实现:svm的简介以及线性svm的使用
内容均整理自《tensorflow机器学习实战指南》。支持向量机算法是一种二值分类算法,基本观点是找到两类之间得一个线性可分得直线(或者超平面)。而上一篇所说得逻辑回归算法也是二值预测。一半来说,如果训练集中有大量特征,建议使用逻辑回归或者线性支持向量机算法;如果训练集数量更大,或者数据集是非线性可分得,建议使用带高斯核得支持向量机算法。我们知道对于线性可分的二值问题,有许多直线可以分割两...原创 2018-07-21 13:25:24 · 418 阅读 · 0 评论 -
tensorflow笔记实践:正则化优化过拟合
学习一下曹健老师的视频,老师辛苦了。主要介绍用正则化方法来防止过拟合,想学习的同学可以在这里观看学习:https://www.icourse163.org/learn/PKU-1002536002?tid=1002700003#/learn/content?type=detail&id=1004043074&sm=1我是在windows上用pycharm(python3.6...原创 2018-07-30 17:51:26 · 445 阅读 · 0 评论 -
tensorflow笔记(曹健老师):mnist数据集手写数字识别
分为三部分:前向传播,反向传播,数据测试。适应一下简单的结构化编程第一部分:前向传播(mnist_forward.py)#前向传播,两层神经网络import tensorflow as tfimport numpy as npinput_data = 784output_data = 10layer_data = 50def get_weight(shape,reg): ...原创 2018-08-01 14:04:00 · 998 阅读 · 0 评论