TensorFlow优化器以及结构可视化

最新推荐文章于 2021-07-20 17:39:39 发布

qq_30011515

最新推荐文章于 2021-07-20 17:39:39 发布

阅读量123

点赞数

文章标签： tensorflow 神经网络

本文链接：https://blog.csdn.net/qq_30011515/article/details/113060349

版权

本文详细介绍了TensorFlow中的交叉熵学习，并列举了多种优化器，如GradientDescent、Adadelta、Adam等，同时探讨了不同优化器的特点。此外，还讲解了如何在TensorFlow中进行模型结构的可视化，包括使用命名空间和TensorBoard进行日志监控。

摘要由CSDN通过智能技术生成

交叉熵代价函数：
在这里插入图片描述

神经网络一般以交叉熵为代价函数，TensorFlow代码样例如下：

loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y,logits=prediction))在这里插入代码片

神经网络，TensorFlow多层神经网络定义样例：

#创建一个简单的神经网络
W1 = tf.Variable(tf.truncated_normal([784,500],stddev=0.1))
b1 = tf.Variable(tf.zeros([

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

关注关注