MrWanC的博客

import tensorflow as tfimport numpy as np#creat datax_data = np.random.rand(100).astype(np.float32) #100个随机数列y_data = x_data * 0.1 + 0.3#creat tensorflow structure startWeights = tf.Variable(t...

用CNN做简单的MNIST手写数字分类import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('MNIST_data', one_hot=True)#每个批次的大小batch_size = 100#计算一共有多...

关于深度学习中的batch_sizebatch_size可以理解为批处理参数，它的极限值为训练集样本总数，当数据量比较少时，可以将batch_size值设置为全数据（Full batch cearning）。实际上，在深度学习中所涉及到的数据都是比较多的，一般都采用小批量数据处理原则。小批量训练网络的优点：1.相对海量的的数据集和内存容量，小批量处理需要更少的内存就可以训练网络。2.通常小...

tensorflow搭建简单神经网络进行MNIST数据集分类import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist = input_data.read_data_sets('MNIST_data', one_hot=True)#每个批次的大小batch_...

tensorflow简单的回归#回归import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#使用numpy生成200个随机点x_data = np.linspace(-0.5, 0.5, 200)[:,np.newaxis] #200*1的二维矩阵'''np.linspace(start, ...

#Fetch and Feed#Fetch:在会话里面可以同时执行多个op 得到运行的结果import tensorflow as tfinput1 = tf.constant(2.0)input2 = tf.constant(3.0) input3 = tf.constant(5.0)add = tf.add(input1, input2)mul = tf.multiply(in...

#tensorflow实现循环#创建一个变量初始化为0state = tf.Variable(0, name = 'counter')#创建一个op，完成对变量进行加1操作new_value = tf.add(state, 1)#赋值opupdate = tf.assign(state, new_value) #在tensorflow会话中，赋值不能直接赋值#初始化变量init...

#变量#在tensorflow中如果要使用变量的话必须进行初始化操作import tensorflow as tfx = tf.Variable([1,2])a = tf.constant([3,3])#增加一个减法opsub = tf.subtract(x, a)#增加一个加法opadd = tf.add(x, sub)init = tf.global_variables_...

import tensorflow as tf#创建一个常量opm1 = tf.constant([[3,3]]) #2*1矩阵#创建一个常量opm2 = tf.constant([[2],[3]]) #1*2矩阵#创建一个矩阵乘法op，把m1和m2传入product = tf.matmul(m1, m2)'''#先要定义一个会话，启动默认的图，直接print(pro...

关于np.newaxis经常在程序中看到np.newaxis，这里记录一下我的理解：np.arange(0, 10)这句话 生成的是一个一维的数组，如下：[0 1 2 3 4 5 6 7 8 9]其shape为(10,)那么我如何才能将其转化为shape=(1,10)呢？有两种方法：1.使用shape：y=np.arange(0, 10)y.shape=(10,1)pri...