- 博客(8)
- 收藏
- 关注
RSS订阅原创 神经网络 ——calssification-tensorflow实现
import tensorflow as tf#如果电脑上没有所需要的数据包，会从网上下载，下载到当前目录下的MNIST——data文件夹中from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('MNIST_data',one_hot=True) #如果电...
2019-03-01 15:41:17
173
原创 tensorboard 例子
import tensorflow as tfdef add_layer(inputs,in_size,out_size,activation_function=None):with tf.name_scope(‘layer’):with tf.name_scope(‘Weights’):Weights= tf.Variable(tf.random_normal([in_size, out...
2019-03-01 13:16:57
246
原创 莫烦python（tensorflow）总结——神经网络搭建（简易版）
import tensorflow as tf import numpy as npimport matplotlib.pyplot as pltdef add_layer(inputs,in_size,out_size,activation_function=None): #定义一个层概念，用于在网络中添加层时引用 （输入，输入单元数量，输出单元数量，激活函数（无代表线性）） We...
2019-02-28 18:23:18
405
1
原创 吴恩达笔记——神经网络基础（四）：梯度下降法
吴恩达笔记——神经网络基础（四）：梯度下降法上一节讲到损失函数和成本函数损失函数：用于衡量单一样本的算法效果成本函数：用于衡量参数w和b的效果，在全部训练集上的效果1）梯度下降法概念利用训练集在成本函数上使用梯度下降法，获取参数w和b。a）初始化w和b（对于Logist回归，任意w和b均有效），通常用0做初始化b）沿着函数J下降最快的方向迭代（w和b）c）迭代后，J收敛到全局最优...
2019-02-14 17:20:27
901
1
原创 吴恩达笔记——神经网络基础（三）：Logistic回归成本函数
吴恩达笔记——神经网络基础：Logistic回归成本函数上一节讲到Logistic回归算法：Logistic回归算法是给定了特定的一个sigmoid函数模型 ：y(hat) = sigmoid(wTx+b)。其中w是权重，b是偏置，这两个参数都是未知的。将训练集输入Logistic回归算法模型，通过学习获取y(hat)函数的相关参数 w和b，此时，需要定义一个成本函数，凭借对成本函数的约束，...
2019-02-14 15:30:23
794
3
原创 撩课笔记——python大数据人工智能：Python变量
撩课笔记——python大数据人工智能：Python变量声明：笔记中所使用的文本编辑器是anaconda中的spyder，也可以使用其他。（一）变量：1）存储数据的容器；2）变量特性：引用某个具体数值，并且可以改变这个引用；变量并不是真正存储某个数据，只是引用了这个数据，也可以更改这个引用。比如图中的储物柜，每个空间都对应了一个小票，小票上的数字“8”就是我们找柜子的唯一标识，通过这...
2019-01-18 18:11:47
388
原创 吴恩达笔记——神经网络基础（二）：Logistic回归
吴恩达笔记——神经网络基础：Logistic回归上一节讲到二分类问题：二分类问题的目标是训练出一个分类器，这个分类器可以使用图片特征向量x作为输入，预测输出的结果标签y，y=1?还是y=0?Logistic回归：一种用于监督学习问题中的“学习算法”，它的输出是0或者1，也是一个二分类问题；**Given：**一张图片输入，对应的 输入向量：x；**What：**为了实现识别目标（图片...
2019-01-18 11:15:34
222
原创 吴恩达笔记——神经网络基础（一）：二分分类
吴恩达笔记——神经网络基础：二分分类神经网络基础引言：1）要构建一个神经网络，有些技巧是要注意的，例如：m个样本的训练集，通常使用for语句来遍历这m个样本，但在神经网络中并不这么使用，具体怎么使用？这就涉及到神经网络的构建技巧了。神经网络基础这一部分，可以学习到神经网络构建过程中的一些技巧。2）神经网络的计算过程通常包括两个部分：正向传播过程和反向传播过程3）以逻辑回归（Logist回...
2019-01-17 13:49:33
1200
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