paranoid_CNN的博客

第一步：首先看一下电脑里是否已装python，版本是什么。命令分别为：whereis python和直接在终端输入python命令，看显示是2.7版本还是3.x版本。第二步： 输入以下指令：对于2.7版本$ sudo apt-get install python-pip python-dev对于3.x版本$sudo apt-get install python3-pip python3-de

目的，给定一堆（本博客为100个）离散的点，通过单层的神经网络进行学习，工具tensorflow，下面开始具体教程：首先创造数据：import tensorflow as tfimport nump as np**create data**x_data = np.random.randn(100).astype(float32)y_data = x_data*0.3 + 0.7这个数据是我

tensorflow中的会话功能（session）用来激活tensorflow结构中的变量，所有的变量要访问都要先通过session激活。 一个例子： 两个矩阵的内积：#定义两个矩阵#coding=utf-8import tensorflow as tfmatrix1 = tf.constant([[2,2]])matrix2 = tf.constant([[3],

还是通过学习教程中的例子来备忘一下： 写一个变量，每次变量加1。import tensorflow as tfstate = tf.Variable(0, name='baba')one = tf.constant(1)new_value = tf.add(state, one)udpate = tf.assign(state, new_value)接下来一行代码非常重要，因为上述代码我们定

placeholder，顾名思义，就是一个储存东西的地方，这样的定义有点像变量variable，但他和变量完全不一样，因为每次要用，必须要和搭配字典传入新值后才能激活，不需要初始化。 下面代码例子： 计算两个数相乘import tensorflow as tfinput1 = tf.placeholder(tf.float32)input2 = tf.placeholder(tf.float

对于tensorflow来讲，利用python添加层是通过定义函数定义的。 比如，定一个层，实现activation(x*w+b) , activation是激活函数。import tensorflow as tfdef add_layer(inputs, in_size, out_size, activation=None): Weights = tf.Variable(tf.random

在前面的学习中，我们学会了如何通过tensorflow添加新层，具体代码如下：import tensorflow as tfimport numpy as npdef add_layer(inputs, input_size, out_size, activation_function == None): Weights = tf.Variable(tf.random_normal([inp

import tensorflow as tfimport numpy as npdef add_layer(inputs, input_size, out_size, activation_function == None): Weights = tf.Variable(tf.random_normal([input_size, out_size])) biases = tf