- 博客(10)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 产品经理入门学习
1.痛点和需求1.1痛点和需求痛点：是用户遇到的障碍用户需求：是特定的用户从自身所处的环境根据自身的经验提出的特定的解决方案痛点用户遇到的障碍用户需求是特定的用户从自身所处的环境根据自身的经验提出的特定的解决方案产品需求是经过分析判断之后，把真实有效的用户的需求转化为符合自身产品理念的需求用户在表述痛点的时候，往往会同时提供一种解决方案，这是根据用户的自身经验和利己原则提出的。可能并不是最优方案，也可能会与的功能相矛盾、也能该需求不符合公司产品的整体战略方向，被
2020-12-29 20:57:22
391
原创 tensorflow逻辑回归预测泰坦尼克号生存率
tensorflow逻辑回归预测泰坦尼克号生存率import tensorflow as tfimport numpy as npimport pandas as pdfrom sklearn.preprocessing import LabelEncoderimport tensorflow as tfimport matplotlib.pyplot as pltdata = pd.read_csv('train.csv')data = data[['Survived','Pclass'
2020-09-15 11:01:18
374
原创 CNN卷积神经网络
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# number 1 to 10 datamnist = input_data.read_data_sets('MNIST_data', one_hot=True)# def add_layer(inputs, in_size, out_size, activation_function=None,):# # add one m
2020-09-15 10:48:41
140
原创 classification 分类学习
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#softmax和交叉熵结合生成分类算法#从input_data中读取数据集，使用one_hot编码mnist = input_data.read_data_sets('MNIST_data',one_hot=True)#定义添加层#in_size,out_size输入单位输出单位大小def add_layer(inputs,
2020-06-12 15:00:51
356
原创 Tensorboard可视化（未实现）
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#定义添加层#in_size,out_size输入单位输出单位大小def add_layer(inputs, in_size,out_size,activation_function=None):with tf.name_scope(‘layer’):with tf.name_scope(‘weights’):Weights = tf.Variabl
2020-06-11 20:33:39
147
原创 神经网络可视化
import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#定义添加层#in_size,out_size输入单位输出单位大小def add_layer(inputs, in_size,out_size,activation_function=None):Weights = tf.Variable(tf.random_normal([in_size,out_size]))#矩阵 #tf.random.norma
2020-06-11 15:17:44
315
原创 建造神经网络
import tensorflow as tfimport numpy as np#保证sess.run()能够正常运行tf.compat.v1.disable_eager_execution()#定义添加层#in_size,out_size输入单位输出单位大小def add_layer(inputs, in_size,out_size,activation_function=None):Weights = tf.Variable(tf.random.normal([in_size,out_s
2020-06-11 10:47:10
152
原创 Variable变量
import tensorflow as tf#保证sess.run()能够正常运行tf.compat.v1.disable_eager_execution()#变量statestate = tf.Variable(0,name = ‘counter’)#print(state.name)#常量oneone = tf.constant(1)new_value = tf.add(state,one)update = tf.compat.v1.assign(state, new_value)
2020-06-10 17:08:22
236
原创 Session会话控制
import tensorflow as tf#保证sess.run()能够正常运行tf.compat.v1.disable_eager_execution()matrix1=tf.constant([[3,3]])#两个矩阵相乘matrix2=tf.constant([[2],[2]])product = tf.matmul(matrix1,matrix2)#method 1sess = tf.compat.v1.Session()result = sess.run(product)p
2020-06-10 16:42:57
178
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人