sw

tensorFlow之模型定义、训练、保存本例说明如何使用 tensorflow 定义模型、训练、保存， 详细请看官方例子import tensorflow as tfimport matplotlib.pyplot as plttf.__version__'2.1.0'# The actual lineTRUE_W = 3.0TRUE_B = 2.0NUM_EXAMPLES = 1000# A vector of random x valuesx = tf.random.no

tensorflow 多变量线性回归

tensorflow 单变量线性回归

tensorflow 常量、变量和占位符

TensorFlow 矩阵相加

tensorflow 入门简单案例

本例是手写数字识别的一个案例,使用的是神经网路正向传播首先加载库import numpy as npimport scipy.io as sioimport matplotlib.pyplot as plt接着导入数据data=sio.loadmat("ex3data1.mat")type(data)dict可知 data 是一个 dict , 我们看下他有哪些东西data.keys()dict_keys(['__header__', '__version__', '__glo

这个例子是逻辑回归不加正则项的编写笔记首先导入依赖import numpy as npimport matplotlib.pyplot as pltimport scipy.io as sio加载数据, 加载的数据是一个字典data = sio.loadmat('ex3data1.mat')data,type(data)({'__header__': b'MATLAB 5.0 MAT-file, Platform: GLNXA64, Created on: Sun Oct 16 13:0

这个篇文章，是我学习神经网络的时候，在 优快云 中找到的，我觉得作者写得很错，也真正帮助我理解通了反向传播，因此转载过来。原文：https://blog.youkuaiyun.com/weixin_38347387/article/details/82936585最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版，然后又找了些资料看，才发现，中文版的译者在翻译的时候会对省略的公式推导过程进行补充，但是补充的又是错的，难怪觉得有问题。反向传播法