tensorflow机器学习
零點伍
无聊写的blog,更多的内容在我GitHub上,这里没啥的——》戳我Github
展开
-
tensorflow使用正则化和不使用正则化的区别(模型对比加个人分析)
最近有学一些机器学习的相关知识,就来讲一些tensorflow使用正则化和不使用正则化的区别什么是正则化呢?正则化的概念及原因简单来说,正则化是一种为了减小测试误差的行为(有时候会增加训练误差)。我们在构造机器学习模型时,最终目的是让模型在面对新数据的时候,可以有很好的表现。当你用比较复杂的模型比如神经网络,去拟合数据时,很容易出现过拟合现象,这会导致模型的泛化能力下降,这时候,我们就需要使...原创 2019-07-09 21:03:08 · 880 阅读 · 0 评论 -
tensorflow学习,搭建你的第一个神经网络
摘要:基于Tensorflow的NN:用张量表示数据,用计算图搭建神经网络,用会话执行计算图,优化线上的权重(参数),因此得到模型。原创 2019-07-10 11:54:21 · 228 阅读 · 0 评论 -
Tensorflow机器学习,学习前向传播过程
Tensorflow机器学习,前向传播过程首先我们来学习这两个函数——正态分布:truncated_normal()——平均分布: random_uniform()例如:tf.Variable(tf.random_normal([2, 3]), stddev=2, mean=0, seed=1))random_normal() 指的是正态分布,其填入的值是列表,如给的样例中的[2, 3...原创 2019-07-11 11:39:19 · 338 阅读 · 0 评论 -
Tensorflow机器学习,学习反向传播过程
Tensorflow机器学习,学习反向传播过程简介——搭建一个简单的神经网络——前向传播1,反向传播的定义BP算法(即误差反向传播算法)适合于多层神经元网络的一种学习算法,它建立在梯度下降法的基础上。BP网络的输入输出关系实质上是一种映射关系:一个 输入m输出的BP神经网络所完成的功能是从 维欧氏空间向m维欧氏空间中一有限域的连续映射,这一映射具有高度非线性。它的信息处理能力来源于简单非...原创 2019-07-12 10:33:55 · 583 阅读 · 0 评论