![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
TensorFlow
文章平均质量分 92
J0han
学无止境,虚心求知。
展开
-
TensorFlow必须要了解的基本知识
一.基本概念 张量:张量就是多维数组(列表),用“阶”表示张量的维度。 0阶张量称为标量,表示一个单独的数;如 S=123; 1阶张量称为向量,表示一个一维数组;如V=[1,2,3] 2阶张量称为矩阵,表示一个二维数组,可以有i行j列个元素; 基于TensorFlow的神经网络:用张量表示数据,用计算图搭建神经网络,用会话(Session)执行计算图,优化线上的权重(参数),得到模...原创 2018-10-02 15:47:58 · 1177 阅读 · 0 评论 -
神经网络的搭建
文章目录神经网络的搭建前向传播反向传播 神经网络的搭建 当我们具备了TensorFlow的基本知识之后,就可以了解神经网络的实现过程了 神经网络的实现过程: 准备数据集,提取特征,作为输入数据喂给神经网络 搭建神经网络结构,从输入到输出(先搭建计算图,再用会话执行) (NN向前传播→计算输出) 大量特征喂给神经网络,不断迭代优化神经网络参数 (NN反向传播→优化参数,训练模型) 使...原创 2018-10-03 11:46:46 · 682 阅读 · 0 评论 -
正则化缓解过拟合
正则化缓解过拟合 正则化在损失函数中引入模型复杂度指标,利用给w参数加权值,弱化了训练数据的噪声(一般不正则化b) loss = loss(y与y_) + REGULARIZER * loss(w) loss(y与y_)指的是模型中所有参数的损失函数,如:交叉熵,均方误差 REGULARIZER指的是参数w在总loss中所占的比例,即正则化的权重 loss(w)中的w就是需要正则化的参数 l...原创 2018-10-04 10:28:28 · 670 阅读 · 2 评论 -
搭建模块化的神经网络
搭建模块化的神经网络八股: 前向传播就是搭建网络,设计网络结构(forward.py) 一般新建一个forward.py文件来描述前向传播过程,一般包括下面几个函数: def forward(x, regularizer): """ 定义了前向传播过程 :param x: 输入x :param regularizer: 正则化权重 :return: 返回y ...原创 2018-10-05 10:47:14 · 557 阅读 · 0 评论 -
MNIST数据集输出识别准确率用到的函数方法
MNIST数据集输出识别准确率 MINST数据集: 提供6w张28*28像素点的0~9手写数字图片和标签,用于训练; 提供1w张2828像素点的0~9手写数字图片和标签,用于测试。 每张图片的784个像素点(2828=784)组成长度为784的一维数组,作为输入特征: eg:[0. 0. 0. 0. 0. 0. 0.380 0.376 0.301 0.462 … … … 0.239 0. 0. ...原创 2018-10-07 11:29:19 · 2170 阅读 · 0 评论