聚集机器学习、信息安全

Tensorflow入门-Session、Variable、placeholder- Tensor就是张量，即多维数组，所有数据都通过张量的形式表示。一个张量主要保存三个属性：名字（name），维度（shape）和类型。 - Flow就是流，体现了计算模型，Tensorflow中每个计算都是计算图上的一个节点，节点之间的边描述了计算间的依赖关系

TensorFlow中提供了两个计算交叉熵的函数，分别是tf.nn.softmax_cross_entropy_with_logits_v2与tf.nn.sparse_softmax_cross_entropy_with_logits

TensorFlow 优化器：GradientDescentMomentumAdam

神经网络优化：指数衰减学习率、滑动平均、正则化

MNIST手写数字识别数据集是NIST数据集的一个子集，常用于深度学习的入门样例。本文使用Tensorflow构建神经网络实现手写数字识别。

为了使训练模型可以复用，需要将训练得到的神经网络模型持久化。Tensorflow通过tf.train.Saver类实现模型的保存和还原。

MNIST手写数字识别（最佳实践版）

Tensorflow中提供了tf.nn.conv2d与tf.layers.conv2d用于添加卷积层，两者功能类似，后者为更高一级的api,和keras.layer类似。前者的激活函数需要另外代码，后者的激活函数是一个参数，不需要另外代码。1. tf.nn.conv2dtf.nn.conv2d( input, filter, strides, padding,...

Tensorflow中提供了tf.layers.dense()与tf.contrib.layers.fully_connected用于添加全连接层，两者功能一样，后者在前者基础上封装实现。1. tf.layers.dense()tf.layers.dense( inputs, units, activation=None, use_bias=True, ...

2014年，Karen Simonyan等人提出VGG-16，夺得ILSVRC 2014的亚军。通过Tensorflow实现VGG-16图像分类。