yu的博客

12.112.3 构建WGAN-GP生成MNIST数据集通过使用WGAN-GP网络学习MNIST数据特征，并生成以假乱真的MNIST模拟样本。程序：import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataimport osimport numpy as npfrom scipy...

10.1 自编码自编码网络，是一种以重构输入信号为目标的神经网络。包括输入层、隐藏层、输出层。代码：#1 引入头文件，并加载MNIST数据import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# 导入 MINST 数据集from tensorflow.examples.tutorials...

8.1 卷积函数的使用程序：import tensorflow as tf# shape = [batch,in_height,in_width,in_channels]# shape = [训练时一个批次的图片数量，图片高度，图片宽度，图像通道数]input = tf.Variable(tf.constant(1.0,shape = [1,5,5,1]))input2 = tf.V...

7.1 用线性单分逻辑回归分析肿瘤是良性还是恶性的程序：import numpy as npfrom sklearn.utils import shuffleimport matplotlib.pyplot as pltimport tensorflow as tfdef generate(sample_size,mean,cov,diff,regression): num...

部分知识点笔记：正向传播、反向传播（BP算法）激活函数：Sigmoid函数、Tanh函数、ReLU函数、Swish函数Softmax算法——处理分类问题（伴随的分类标签都为one_hot编码）损失函数：描述模型预测值与真实值的差距大小（常用的算法：均值平方差和交叉熵），交叉熵 预测输入样本属于某一类的概率。交叉熵也是值越小，代表预测结果越准。损失函数的选取：如果输入的是实数、无界的值...

本程序主要是初步使用MNIST数据集进行试验。程序：from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data/",one_hot=True)import tensorflow as tfimport pylabim = mnist.t...

4.1 使用Session编写hello world：程序：import tensorflow as tfhello = tf.constant('hello tensorflow')sess = tf.Session()print(sess.run(hello))sess.close()结果：b'hello tensorflow'4.2 with session的使用此段...

使用神经网络归纳出y = 2x的模型程序：import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltplotdata = {"batchsize":[],"lose":[]}def moving_average(a,w=10): if len(a) < w: retur...