Tensorflow
yueguizhilin
这个作者很懒,什么都没留下…
展开
-
TensorFlow练习(一)——TensorFlow简介
因为TensorFlow是采用数据流图(data flow graphs)来计算, 所以首先我们得创建一个数据流流图, 然后再将我们的数据(数据以张量(tensor)的形式存在)放在数据流图中计算. 节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组, 即张量(tensor). 训练模型时tensor会不断的从数据流图中的一个节点flow到另一节点,原创 2017-08-30 15:50:00 · 560 阅读 · 0 评论 -
TensorFlow练习(四)——构造神经网络
本文介绍怎样建造一个完整的神经网络,包括添加神经层,计算误差,训练步骤,判断是否在学习.import tensorflow as tfimport numpy as np# 构造添加一个神经层的函数def add_layer(inputs,in_size,out_size,activation_function=None): # 输入值,输入的大小,输出的大小,激励函数原创 2017-08-30 16:15:55 · 475 阅读 · 0 评论 -
TensorFlow练习(五)——结果可视化(线性回归LinearRegression)
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltdef add_layer(inputs,in_size,out_size,activation_function=None): # 输入值,输入的大小,输出的大小,激励函数 Weights = tf.Variable(tf.random_原创 2017-08-30 16:27:13 · 1536 阅读 · 0 评论 -
TensorFlow练习(六)——Classification分类学习
分类和回归的区别在于输出变量的类型上。 通俗理解定量输出是回归,或者说是连续变量预测; 定性输出是分类,或者说是离散变量预测。如预测房价这是一个回归任务; 把东西分成几类, 比如猫狗猪牛,就是一个分类任务。首先准备数据(MNIST库),MNIST库是手写体数字库,差不多是这样子的数据中包含55000张训练图片,每张图片的分辨率是28×28,所以我们的训练网络输入应该是2原创 2017-08-30 16:36:47 · 604 阅读 · 0 评论 -
机器学习练习(三)——交叉验证Cross-validation
一、选择正确的Model基础验证法from sklearn.datasets import load_iris # iris数据集from sklearn.model_selection import train_test_split # 分割数据模块from sklearn.neighbors import KNeighborsClassifier # K最近邻(kNN,k-Ne原创 2017-08-30 11:04:13 · 36075 阅读 · 7 评论 -
TensorFlow练习(二)——搭建神经网络结构
首先, 我们这次需要加载 tensorflow 和 numpy 两个模块, 并且使用 numpy 来创建我们的数据.import tensorflow as tfimport numpy as np# create datax_data = np.random.rand(100).astype(np.float32)y_data = x_data*0.1 + 0.3接着, 我原创 2017-08-30 15:59:51 · 559 阅读 · 0 评论 -
TensorFlow练习(三)——添加层 def add_layer()
在 Tensorflow 里定义一个添加层的函数可以很容易的添加神经层,为之后的添加省下不少时间.神经层里常见的参数通常有weights、biases和激励函数。首先,我们需要导入tensorflow模块。import tensorflow as tf然后定义添加神经层的函数def add_layer(),它有四个参数:输入值、输入的大小、输出的大小和激励函数,我们设定默认原创 2017-08-30 16:08:44 · 4091 阅读 · 1 评论 -
卷积神经网络学习(一)——基本卷积神经网络搭建
1原创 2017-08-31 16:28:09 · 2494 阅读 · 0 评论