![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 67
12Struggle
这个作者很懒,什么都没留下…
展开
-
动手学机器学习(一)-安装
《动手学深度学习》笔记(一)安装准备官方网址:http://zh.gluon.ai/(里面包括了电子书籍,论坛,代码笔记等详细介绍)动手深度学习B站视频:https://www.bilibili.com/video/BV154411S7Tf?from=search&seid=15253407819388904886一、安装准备根据操作系统下载并安装Miniconda。下载地址:https://conda.io/en/master/miniconda.html下载后运行安装。原创 2021-04-25 10:48:57 · 608 阅读 · 2 评论 -
MNIST手写数字分类识别二——多层神经网络
手写分类识别二:多层神经网络一、 全连接但隐藏层全连接神经网络载入数据import tensorflow as tf#导入Tensorfloe提供的读取MNIST的模块import tensorflow.examples.tutorials.mnist.input_data as input_data#读取MNIST数据mnist = input_data.read_data_sets("C:/Users/grid/Desktop/MNIST_data/",one_hot=True)#读原创 2021-08-11 20:51:28 · 842 阅读 · 0 评论 -
MNIST手写数字识别一
手写分类识别一MNIST手写数字识别:分类问题一、数据准备MNIST数据集来自美国国家标准与技术研究所,National Institute of Standards and Technology(NIST)数据集由来自250个不同人手写的数字构成,其中50%是高中学生,50%来自人口普查局(the Census Bureau)的工作人员MNIST数据集可在http://yann.lecun.com/exdb/mnist/获取Tensorflow提供了数据集读取方法import原创 2021-08-11 20:50:21 · 505 阅读 · 0 评论 -
多元线性回归问题——波士顿房价预测
多元线性回归问题——波士顿房价预测波士顿房价预测数据集包括506个样本,每个样本包括12个特征变量和该地区的平均房价(单价)显然和多个特征变量相关,不是单变量线性回归(一元线性回归)问题,选择多个特征变量来建立线性方程,这就是多变量线性回归(多元线性回归)问题数据集的解读:CRIM:城镇人均犯罪率ZN:住宅用地超过25000sq.ft.比例INDUS:城镇非零售商用土地的比例CHAS:边界时河流为1,否则为0NOX:一氧化氮浓度RM:住在平均房间数AGE:1940年之前建成的自用房屋比例原创 2021-08-11 20:47:22 · 4163 阅读 · 0 评论 -
线性回归Tensorflow实战
单变量线性回归Tensorflow实战一、核心步骤使用tensorflow进行算法设计与训练的核心步骤: ① 准备数据 ② 构建模型 ③ 训练模型 ④ 进行预测二、实战一:线性方程单变量的线性方程可以表示为: y=w*x+b本例通过生成人工数据集。随机生成一个近似采样随机分布,使得w=0.2,b=1,并加入一个噪声,噪声的最大振幅为0.4y=2.0*x+1完成:1.人工数据集生成#在Jupyter中,使用matplotlib显示图像需要设置为inline模式原创 2021-08-11 20:46:02 · 542 阅读 · 0 评论 -
监督式机器学习的基本术语
监督式机器学习的基本术语一、监督式机器学习基本概念机器学习系统:通过学习如何组合输入信息来对未见过的数据做出有用的预测。术语:标签和特征。 标签:是我们要预测的真实事物:y。(线性回归中的y变量) 特征:是指用于描述数据的输入变量:Xi(线性回归中的{x1,x2,…,xn}变量)术语:样本和模型 样本:是指数据的特定实例:x 有标签样本具有{特征,标签}:{x,y}用于训练模型 无标签样本具有{特征,?}:{x,?}用于对新数据做出预测 模型:可将样本映射到预测标原创 2021-08-11 20:44:59 · 760 阅读 · 0 评论 -
1.深度学习安装Tensorflow
深度学习之在windows上安装Tensorflow一、安装anaconda下载清华镜像地址:无脑安装。anaconda修改国内镜像源打开Anaconda Prompt 窗口,执行命令:conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free然后再执行命令conda config --set show_channel_urls yes去用户目录底下找到.原创 2021-06-26 11:35:48 · 141 阅读 · 0 评论 -
5.tensorflow2.0基础
tensorflow2.0基础二一、查看版本import tensorflow as tf print("TensorFlow版本是:",tf.__version__)#显示Tensorflow版本,注意:是两个下划线区别一:输出数值#tensorflow输出节点数值时要使用一个会话#tensorflow2.0版本可以使用numpy()方法,以下是使用numpy()方法输出数值import tensorflow as tfnode1 = tf.constant([[3.0,1.5],[2原创 2021-06-26 11:32:01 · 744 阅读 · 0 评论 -
4.Tensorflow的可视化
tenserflow可视化工具:TensorBoard安装的坑一、tenserboardtensorBoard是TensorFlow的可视化工具通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态TensorBoard和TensorFlow程序跑在不同的进程中二、案例:在tensorBoard中查看图结构#导入TensorFlow库import tensorflow as tf#清除default graph和不断增加的节点tf.reset_d原创 2021-06-26 11:31:07 · 501 阅读 · 0 评论 -
3.Tensorflow基础1
TensorFlow基础一一、用TensorFlow说Hello World!import tensorflow as tf#创建一个常量运算,将作为一个节点加入到默认计算图中hello = tf.constant("Hello ,World!")#创建一个TF对话sess = tf.Session()#运行并获取结果print(sess.run(hello))输出:b’Hello ,World!’(b表示字节文字)二、TensorFlow计算模型——计算图TensorFlo原创 2021-06-26 11:28:59 · 138 阅读 · 0 评论