![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Tensorflow
文章平均质量分 77
努力不秃头的小仙主
做一个努力的女孩儿
展开
-
Tensorflow:介绍常见激活函数和池化,并用Tensorflow搭建前向神经网络
Tensorflow:介绍常见激活函数和池化,并用Tensorflow搭建前向神经网络 一、常见激活函数和池化 1 激活函数 激活函数通常用于卷积层和全连接层的末端,为神经网络提供非线性变化。 1.1 sigmoid S形曲线,早期用于卷积层,通常用于逻辑回归任务的最后一层输出 tensorflow对应api:tf.nn.sigmoid() 分类中通常和损失函数 一起使用 1.2 relu 线性整流函数,通常用于卷积层和全连接的前几层 relu = ma原创 2021-07-29 17:59:52 · 577 阅读 · 0 评论 -
Tensorflow:初试Tensorflow,理解卷积神经网络输出形状
Tensorflow:理解Tensorflow中的sess.run原理机制,理解卷积神经网络输出形状shape 我们通过运行tensorflow中的程序,理解卷积和全连接操作的输出形状,并清楚为什么会是这个形状? 一、理解Tensorflow中的sess.run原理机制 首先,Tensorflow是google的开源深度学习框架,目前全球最流行的框架。其sess.run的运行原理可以简单地由下图来看。 其中ops是一个操作节点,Tensor可以理解成可以通过ops进行计算变换的矩阵。通过这种方式可以组成非原创 2021-07-29 17:59:34 · 716 阅读 · 0 评论 -
Tensorflow:numpy基础实战,并从代码中明白卷积的计算原理
Tensorflow:numpy基础实战,并从代码中明白卷积的计算原理 三道实战题目 1.用numpy生成随机的两个矩阵(每个元素为1-5的随机整数),这两个矩阵的形状为(4,3)和(3,5),用numpy矩阵乘法计算结果,并手工验证结果。 import numpy as np a = np.random.randint(1,5,(4,3)) b = np.random.randint(1,5,(3,5)) #矩阵乘法 c = np.matmul(a,b) print("a=",a) print("b=",原创 2021-07-29 17:59:06 · 280 阅读 · 0 评论