- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习——TensorFlow2.0（多元线性回归模型）
使用波士顿房价数据集中的所有属性，训练和测试多元线性回归模型，并可视化模型。 要求：程序+文本（记录下超参数的调试过程，并简要总结） import numpy as np import matplotlib.pyplot as plt import tensorflow as tf boston_housing = tf.keras.datasets.boston_housing (train_x, train_y), (test_x, test_y) = boston_housing.load_data
2020-06-04 08:15:07
2771
原创 神经网络与深度学习——TensorFlow2.0（回归问问题）
使用9.5小节中的“商品房销售记录表”作为样本数据，编程实现一个房价预测系统。 要求： 矩阵运算部分采用TensorFlow实现，数据加载、输入、输出等可以根据需要采用Python/NumPy来实现。 提示用户输入商品房面积和房间数，并进行输入校验。合理的输入如下： 面积：20-500之间的实数 房间数：1-10之间的整数 如果输入正确，根据模型估计房价，并显示。 如果输入数据类型错误，或者输入数据范围不合理，根据错误类型提示，并等待用户重新输入。 import tensorflow as t
2020-05-30 16:52:46
1154
原创 神经网络与深度学习——TensorFlow2.0（数字图像基础实验1）
下载lena.tiff图像（见7.2小节课件），将R、G、B三通道分离，采用灰度图表示颜色的亮度，并分别对各个通道按要求进行处理，结果显示在如图1所示的画布中。 图1 图2 要求： (1)将R通道的图像缩小为50×50，显示在子图1中，子标题为:“R-缩放”，字体大小为14； (2)将G通道的图像先水平镜像，
2020-05-19 15:11:15
660
原创 神经网络与深度学习——TensorFlow2.0（数字图像基础实验2）
按下列要求完成程序，随机显示MNIST数据集中的样本，效果如图1所示。 图1 要求： (1)下载手写数字数据集，读取训练集和测试集数据，放在NumPy数组train_x、train_y、test_x、test_y中；（train_x：训练集图像，train_y：训练集标签，test_x：测试集图像，test_y：测试集标签） (2)随机从所有测试集数据中显示16幅数字图像； (3)16幅图像
2020-05-19 15:03:56
496
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人