Artemis_Wang的博客

学习了一下用Tensorflow实现损失函数并且可视化的方法，代码如下，比较了4种回归算法的损失函数和4种分类算法的损失函数。import matplotlib.pyplot as pltsess = tf.Session()# 用matplot绘制回归算法的损失函数x_vals = tf.linspace(-1.,1.,500)target = tf.constant(0.)l2_

利用花瓣长度和花瓣宽度的特征在山鸢尾和其他物种间拟合一条曲线，可视化分类结果。代码如下：from sklearn import datasetssess = tf.Session()iris = datasets.load_iris()binary_target = np.array([1. if(x == 0) else(0.) for x in iris.target])iris_2d

学习了一下tensorflow传入批量数据并且训练的方法。代码如下：mport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfsess = tf.Session()batch_size = 20x_vals = np.random.normal(1,0.1,100)y_vals = np.repeat(

创建数据之后，将它们随机分割成训练数据集和测试数据集，分别训练和测试一个二分类模型，最后可视化。代码如下：from tensorflow.python.framework import opsops.reset_default_graph()sess = tf.Session()batch_size = 25x_vals = np.concatenate((np.random.normal