Camelia118的博客

1.占位符的两种表示方式x=tf.placeholder(tf.float32,[None,784]) y_=tf.placeholder(“float”,shape=[None,10])2.feed_dict函数在计算图中，可以使用feed_dict来替代任何张量，并不仅限于替换占位符。3.定义初始值为0的变量方式：W = tf.Variable(tf.zeros([784,10]))4.对比两

设置模型1.为了计算交叉熵，需要添加一个新的占位符y_用于输入正确值： y_ = tf.placeholder(“float”, [None,10])2.交叉熵计算代码： cross_entropy = -tf.reduce_sum(y_*tf.log(y)) 交叉熵： (1)非负性 (2)当预测值接近真实值时，代价函数趋近于0。 (3)克服方差代价函数更新权重过慢的问题。**当误差大

TensorFlow把复杂的计算放在python之外完成，并且为了避免开销，它做了进一步完善。Tensorflow不单独地运行单一的复杂计算，而是让我们可以先用图描述一系列可交互的计算操作，然后全部一起在Python之外运行。 1.导入tensorflow import tensorflow as tf 2.创建可交互的操作单元 x=tf.placeholder(tf.float32,[No

1.导入数据集 import tensorflow.examples.tutorials.mnist.input_data mnist = tensorflow.exampes.tutorials.mnist.input_data.read_data_sets (“MNIST_data/”, one_hot=True) 此处第一步import的tensor必须和下一行使用的tensor保持一