ff_xun的博客

Chapter1 计算图介绍 Tensorflow 深度学习的历史 神经网络的发展可以分为三个阶段： 早期提出单个神经元结构，简单的线性加权和来模拟这个变换，n个输入值提供给McCull-Pitts 结构，经过加权和一个阈值函数得到0或1的输出。（但是权重学习人手工设置）感知机模型，首个根据样例数据来学习特征权重的模型。 分布式知识表达和神经网络的反向传播算法。分布式知识表达的核心思想是现实世界...

Chapter2 张量 2.2 TF数据模型–张量 在TF中，所有的数据都通过张量的形式来表示，从功能的角度来看，张量可以被简单理解为多维数组，零阶张量表示标量(scalar)，也就是一个数；第一阶张量为向量(vector)，也就是一个一维数组；但是张量在TF中的实现并不是直接采用数组的形式，它只是对TF中运算结果的引用。在张量中并没有真正保存数字，它保存的是如何得到这些数字的计算过程。还是以向量...

Chapter3 深层神经网络 在线性模型模型中，模型的输出为输入的加权和。假设一个模型的输出 yyy和输入xix_ixi​满足以下关系： y=∑iwixi+b y = \sum_iw_ix_i+b y=i∑​wi​xi​+b 其中 wi,b∈Rw_i,b \in Rwi​,b∈R 为模型参数，当模型的输入只有一个的时候，x和y形成了二维坐标系上的一条直线，称之为线性模型。类似的，当模型为n个输入...

参考的网址： https://blog.youkuaiyun.com/hu_guan_jie/article/details/78495297 程序没有改动，添加了图 1. 下面程序的功能是，做5次循环，每次循环给x加1，赋值给y，然后打印出来，所以我们预期达到的效果是输出2，3，4，5，6。 import tensorflow as tf #下面程序的功能是，做5次循环，每次循环给x加1，赋值给y，然后打...