本文介绍了在Jupyter Notebook中使用TensorFlow和Keras的基础操作，包括数据加载、定义模型、激活函数、代价函数、优化器、准确率计算、模型训练及优化策略。同时提到了使用TensorBoard进行网络可视化的方法以及Keras模型的搭建和训练过程。
在jupyter nootbook中编辑和运行
一 TensorFlow
步骤：
一。import tensorflow as tf
二。载入数据
（数据分批）
三。定义placeholder（之后传入训练集）
x = tf.placeholder(tf.float32, [维度], name = "")
四。定义结构和参数（w，b）
写出预测函数z = (激活函数（wx + b）)
可以进行dropout（防止过拟合）
第四步每一层神经网络都要定义一次（最后一层的激活函数一般和前面不一样）
w = tf.Variable(tf.zeros([]))
wx_plus_b = tf.matmul(w, x) + b
L1 = tf.nn.激活函数（wx_plus_b） （最后一层命名为prediction）
#dropout
keep_prob=tf.placeholder(tf.float32)（或直接定义为一个常数）
L1_drop = tf.nn.dropout(L1,keep_prob)
五。定义代价函数（二次代价函数，交叉熵代价函数）
loss = tf.reduce_mean(tf.square(y-prediction))
最低0.47元/天 解锁文章
913
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
