ls617386的博客

最近发现Stanford新开了一门课cs20si《Tensorflow for Deep Learning Research》准备好好学习一下。第一节课主要介绍Tensorflow的一些基本知识。Note中提出了Tensorflow具有以下重要特种： Python API 轻便。可以用一个单独的API实现desktop,server以及移动设备上1个或多个CPU/GPU的计算部署。 灵活性。Andr

TensorBoard的使用TensorBoard可以方便地查看graph。import tensorflow as tfa = tf.constant(3) b = tf.constant(2) x = tf.add(a, b)with tf.Session() as sess: writer = tf.summary.FileWriter('./graphs', sess.graph)

这节课里面讲了下线性回归的例子，介绍了几种常见的优化算法 在对数据进行线性拟合后，发现error较大，因此提出了huber loss。 huber loss是在robust regress(稳健回归？)中用到的损失函数，相比平方误差而言，对离散值具有更低的敏感度。 在距离均值较远的地方，是线性的。下图是Huber loss (green, δ = 1） squared error lo