sky

本人刚刚开始接触深度学习不久，对于tensorflow的了解也有限，想通过tensorflow这个框架来学习深度学习及其优化与识别。现在直接进入主题。     1.手写识别的介绍：            MNIST手写识别在机器学习中就像c语言中Hello World一样，MNIST数据集是一个机器视觉的数据集，它由几万张28X28像素点构成的手写数字，我们的任务就是向神经网络输入由这些像素点

上一节我们介绍了最简单的tensorflow的手写识别模型，这一节我们将会介绍其简单的优化模型。我们会从代价函数，防止过拟合，以及优化器的3个方面来介绍优化过程。    1.代价函数的优化：             我们可以这样将代价函数理解为真实值与预测值的差距，我们神经网络训练的目的就是调整W,b等参数来让这个代价函数的值最小。上一节我们用到的是二次代价函数： 在Tensor

上一章我们用到交叉熵代价函数来优化我们的模型，但是最后的准确率也只有

这一节我们会从过拟合及优化器方面来优化我们的神经网络。       1.拟合：