- 博客(6)
- 收藏
- 关注
RSS订阅原创 TensorFlow教程（六）：激励函数
激励函数是神经网络算法的神器。激励函数的目的是为了调节权重的误差。在TensorFlow中，激励函数是作用在张量上的非线性操作。激励函数的使用方法和数学操作一样。激励函数的功能很多，但是主要是为了计算图归一化返回结果而引进的非线性部分。TensorFlow的激励函数位于神经网络库（neural network,，nn）库。除了使用TensorFlow内联激励函数，我们也可以使用TensorFl...
2019-03-29 17:44:11
715
5
原创 TensorFlow教程（五）：张量操作
张量的基本操作有：加，减，乘，除。因为目前TensorFlow的版本更新比较快，而且感觉根据最新的版本更替张量的数值操作都在向着tf.math模块迁移。具体的API要根据版本来定。这里需要注意的是关于div()的操作：1、TensorFlow提供div()的多种变化形式和相关的函数。2、div()返回值与输入数据类型一致。注：在Python2中，整数除法的实际返回值是商的向下取整...
2019-03-28 17:37:30
937
原创 TensorFlow教程（四）：矩阵操作
学习TensorFlow中矩阵的操作对于理解计算图中数据的流动来说非常重要。1、创建矩阵可以使用numpy数组（或者嵌套列表来创建二维矩阵）；也可以使用创建张量的函数（比如，zeros()，ones()，truncated_normal()等）来指定一个二维形状的矩阵；也可以使用diag()函数从一个一维数组（或者列表）来创建一个对角矩阵。import tensorflow as t...
2019-03-27 18:08:33
2061
原创 TensorFlow教程（三）：变量和占位符
曾经因为一些工作的原因问过很多人知不知道变量和占位符的区别，但是能答上来的几乎很少，其实区别很简单：变量是TensorFlow机器学习算法的参数，TensorFlow通过维护和调整这些变量的状态来优化机器学习算法。占位符是TensorFlow对象，用于表示输入输出数据的格式，允许传入指定类型和形状的数据，并依赖计算图的计算结果。（如：期望等）变量在TensorFlow中，tf....
2019-03-27 14:40:33
1211
原创 TensorFlow教程（二）：声明张量
TensorFlow在计算图中可以创建多个图结构，在TensorFlow中创建一个张量并不能立即在图中增加什么，只有把张量赋值给占位符或者变量才会把此张量增加到计算图中。1、固定张量（默认是float32类型，可以参考TF官网的API）创建指定维度的零张量zero_tsr = tf.zeros([rol_dim, col_dim])创建指定维度的单位张量ones_tsr ...
2019-03-26 17:24:52
409
原创 TensorFlow教程（一）：算法流程（重点）
从TendorFlow的发布的最开始关注到现在已经到2.0了，见证了TF的飞速发展，真心佩服Google的大神们。加油吧！TensoFlow的一般算法流程：1、导入和生成样本数据集合：所有的机器学习算法都依赖样本数据集合。2、转化和归一化数据：一般来说，输入样本数据集合并不符合TensorFlow期望的形状，所以需要转化数据格式以满足TensoFlow的要求。data = tf...
2019-03-25 17:58:26
1857
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人