406156440的博客

理论部分: https://zybuluo.com/hanbingtao/note/433855 零基础入门深度学习(1) - 感知器 代码提供者 https://blog.csdn.net/u011376563/article/details/82935625 1 结构: 输入层 隐藏层 输出层 仅有一个隐藏层的神经网络就能拟合任何一个函数，但是它需要很多很多的神经元。而深层网络用少得多的神经元...

一、数据集mnist下载 官网有下载但是有出错的情况, 这里给出直接下载 import tensorflow as tf #导入tensorflow库 from tensorflow.examples.tutorials.mnist import input_data import pylab mnist = input_data.read_data_sets("MNIST_data/", on...

文章目录一、softmax二、损失函数loss1、均值平方差2、交叉熵3、损失函数的选取三、softmax 算法与损失函数的综合应用1 验证softmax_cross_entropy_with_logits包含softmax函数2 验证非标准one_hot的交叉熵 结果对于错误分类不明显3 验证labels = [2 , 1] 即 001 与 0104 验证loss = tf.reduce_su...

:从一组看似混乱的数据申找出 y=2x 的规律 #介绍随机函数 # (1) numpy.random.rand(c,r) #生成0-1之间,c行r列 # (2) numpy.random.randn() #正太分布 # (3) numpy.random.randint(low, high=None, size=None, dtype=’l’) 正太 ''' 返回随机整数，范围区间为[low,h...

1 神经元模型： 上一节神经网络不算完整,因为计算公式应该是y=add (xi*wi + b) 2、激活函数 引入非线性激活因素，提高模型的表达力。 常用的激活函数有： 3、神经网络的复杂度 可以用神经网络的层数和神经网络待优化的参数个数来表示 4、神经网络的层数 层数=n个隐藏层 + 1个输出层 注意：一般不计入输入层 5、神经网络待优化的参数 神经网络所有参数w、b的个数 举例：下图为神经...

总结: 1 深度学习,分为前向传播跟后向传播 前向传播就是 y = wx+b 求y 后向传播就是,已知的Y与前向传播的到的y进行比较,直到y接近Y为止得到的w和b这两个参数,就成功了 例子 举例：假如生产一批零件， 体积为 x1， 重量为 x2， 体积和重量就是我们选择的特征，把它们喂入神经网络， 当体积和重量这组数据走过神经网络后会得到一个输出。 假如输入的特征值是：体积 0.7 ，重量 0.5...

import numpy as np seed = 10 # 基于seed产生随机数，这是根据随机种子产生随机数的一种常用方法，要熟练运用 rdm = np.random.RandomState(seed)#random.RandomState随机数生成器 a = rdm.uniform(1,2,(3,4)) #产生1-2之间,3行4列 print(a) 结果: [[1.77132064 ...

win10系统 python3.6 tools pip 其他工具使用pip下载都很顺利,但是遇到 pip install tensorflow #CPU 深度学习框架 not find XXX 解决流程: 怎么可能发现不了tensorflow呢, 那我们就查一下能不能搜索到 pip3 search tensorflow 结果 还真的是不少版本 那为啥就找不到呢 肯定是我的python出现了问...

#!/usr/bin/env python coding: utf-8 # 创建常量, 创建矩阵乘法的节点 In[11]: import tensorflow as tf # 简写方便一点 创建两个常量(constant) m1=tf.constant([[3,3],]) # 一行两列的矩阵，这里是矩阵乘法，所以是二维数组，注意书写格式以及矩阵乘法规则 m2=tf.constant([...