linux_win的博客

本文是学习这个视频课程系列的笔记，课程链接是 youtube 上的， 讲的很好，浅显易懂，入门首选， 而且在github有代码， 想看视频的也可以去他的优酷里的频道找。 Tensorflow 官网 神经网络是一种数学模型，是存在于计算机的神经系统，由大量的神经元相连接并进行计算，在外界信息的基础上，改变内部的结构，常用来对输入和输出间复杂的关系进行建模。 神经网络由大量的节点和之间的联系构成...

tensorflow作为符号编程框架，需要先构建数据流图，再读取数据，然后再进行训练。tensorflow提供了以下三种方式来加载数据： 预加载数据(preloaded data)：在tensorflow图中定义常量或变量来保存所有数据 填充数据(feeding)：Python产生数据，再把数据填充到后端 从文件中读取数据(reading from file)：通过队列管理器从文件中读取数据 下...

正常情况下，使用tf.initialize_all_variables()初始化变量，在完全构建好模型并加载之后才运行这个操作。生成数据的主要方法如下：  1）如果需要利用已经初始化的参数给其他变量赋值,TF的变量有个initialized_value()属性，就是初始化的值，使用方法如下： # 原始的变量 weights = tf.Variable(tf.random_normal([7...

训练模型和保存模型代码 import tensorflow as tf import numpy as np x_data = np.random.rand(100) y_data = x_data*2+1 x = tf.placeholder(tf.float32) y = tf.placeholder(tf.float32) w = tf.Variable(0.0) b = tf.V...

正如你目前所看到的，神经网络的性能非常依赖超参数。因此，了解这些参数如何影响网络变得至关重要。 常见的超参数是学习率、正则化器、正则化系数、隐藏层的维数、初始权重值，甚至选择什么样的优化器优化权重和偏置。 超参数调整过程 调整超参数的第一步是构建模型。与之前一样，在 TensorFlow 中构建模型。 添加一种方法将模型保存在 model_file 中。在 TensorFlow 中，可以使用...

MNIST是什么 MNIST是一组经过预处理的手写数字图片数据集，它为机器学习的初学者提供了一个练手的机会，可以在真实的数据上用学到的算法来解决问题。由于很多的机器学习教程都以MNIST作为入门项目，因此它也被称作是机器学习领域的“hello world”。 MNIST中每个样本都是一张长28、宽28的灰度图片，其中包含一个0-9的数字。我们需要做的，就是根据训练数据建立一个模型用来识别输入图...

1.前言 RNN常用作NLP中，像图片生成文字、自动生成古诗词等。这篇文章用RNN做MNIST手写数字识别，分类效果虽然没有CNN效果好，但准确率也能够达到96%。 2.环境 Mac os系统，python：3.5，Keras 3.代码实现 import numpy as np np.random.seed(1337)     from keras.datasets import...