TensorFlow
文章平均质量分 89
岸芃
有梦为马,随处可栖
展开
-
Tensorflow学习笔记(一):基础知识
博主准备开始学习Tensorflow,将自己学到的东西总结出来,既能够加深记忆,并且便于复习,如果能够帮助到别人那更是再好不过了。 随着深度学习的快速发展,深度学习工具也有很多。主流的深度学习框架包括Tensorflow,Caffe,Theano,Torch等等,但是因为Tensorflow的内部特性以及谷歌的支持,使得将来的趋势以及资源都会向Tensorflow转,因此Tensorflow是未原创 2017-05-16 14:43:56 · 2110 阅读 · 0 评论 -
TensorFlow学习笔记(二):实现神经网络
使用神经网络解决分类问题主要可以分为4个步骤: 提取问题中的实体的特征向量作为神经网络的输入; 定义神经网络的结构,并定义如何从神经网络的输入得到输出。即前向传播算法; 通过训练数据来调整神经网络中的参数取值; 使用训练好的神经网络来预测未知的数据。 1. 前向传播算法 不同的神经网络前向的传播方式不同,这里介绍最简单的全连接网络结构的前向传播算法。 一个神经元有多个输入和一个输出原创 2017-05-18 11:16:31 · 1053 阅读 · 0 评论 -
TensorFlow学习笔记(三):深层神经网络
一、深度学习与深层神经网络 维基百科对深度学习的定义为“一层通过多层非线性变换对高复杂性数据建模算法的合集”。实际上可以认为深度学习就是深层神经网络的代名词。深度学习有两个非常重要的特性,多层和非线性。 1. 线性模型的局限性 线性模型的输出为输入的加权和。当模型的输入只有一个时,x和y形成了二维坐标系上的一条直线。当模型有n个输入时,x和y形成了n+1维空间中的一个平面。线性模型的最大特点原创 2017-05-20 21:42:44 · 1340 阅读 · 0 评论