jomozz的专栏

tf.placeholder(dtype, shape=None, name=None)此函数可以理解为形参，用于定义过程，在执行的时候再赋具体的值 1、参数： dtype：数据类型。常用的是tf.float32, tf.float64等数值类型 shape：数据形状。默认是None，就是一维值，也可以是多维，比如[2,3], [None, 3]表示列是3，行不定 name：名称。x =

建议使用 virtualenv 安装。virtualenv 是一个和其它 Python 项目开发隔离的虚拟 Python 环境，在同一台机器上不会干扰也不会被其它程序影响。virtualenv 安装过程中，你不仅仅安装了 TensorFlow 还有它的所有依赖包。（事实上这很简单）要开始使用 TensorFlow，你需要“启动” virtualenv 环境。总而言之，virtualenv 提供了一个

一、矩阵生成1、tf.ones | tf.zeros用法tf.ones(shape,type=tf.float32,name=None) tf.zeros(shape,type=tf.int32,name=None) 说明：生成全0/全1矩阵，返回一个tensorinput = tf.zeros([2,2])[[ 0. 0.] [ 0. 0.]]input = tf.ones([3,3])

Tensor类应该是最基本最核心的数据结构了，他表示的是一个操作的输出，但是他并不接收操作输出的值，而是提供了在TensorFlow的Session中计算这些值的方法。 Tensor类主要有两个目的： 1.一个Tensor能够作为一个输入来传递给其他的操作（Operation），由此构造了一个连接不同操作的数据流，使得TensorFLow能够执行一个表示很大，多步骤计算的图。 2.在

通过构造一个Variable类的实例在图中添加一个变量（variable）， Variable（）这个构造函数需要初始值，这个初始值可以是一个任何类型任何形状的Tensor，初始值的形状和类型决定了这个变量的形状和类型。构造之后，这个变量的形状和类型就固定了，他的值可以通过assign()函数（或者assign类似的函数）来改变。如果你想要在之后改变变量的形状，你就需要assign()函数同时设

转载来源：http://imtuzi.com/post/tensorflow-mnist-simplest.htmlmnist数据集简介MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片。在机器学习中的地位相当于Python入门的打印Hello World。该数据集包含以下四个部分train-images-idx3-ubyte.gz: 训练集-图片，6w train-labels-

文章转自：http://blog.csdn.net/rtygbwwwerr/article/details/50778098交叉熵（Cross-Entropy）交叉熵是一个在ML领域经常会被提到的名词。在这篇文章里将对这个概念进行详细的分析。1.什么是信息量？假设X是一个离散型随机变量，其取值集合为XX，概率分布函数为p(x)=Pr(X=x),x∈Xp(x)=Pr(X=x),x∈X，我们定义事件X=