qq_35925375的博客

还是鸢尾花分类，但多了参数优化器、激活函数、loss曲线、acc曲线、时间等：# 利用鸢尾花数据集，实现前向传播、反向传播，可视化loss曲线# 导入所需模块import tensorflow as tffrom sklearn import datasetsfrom matplotlib import pyplot as pltimport numpy as npimport time ##1### 导入数据，分别为输入特征和标签x_data = datasets.load_iri

神经网络实现鸢尾花分类不需要另外下载数据集，在sklearn包中就已经有数据集。代码虽然简单，但将神经网络大部分步骤都涵盖进来了，基础且关键：# -*- coding: UTF-8 -*-# 利用鸢尾花数据集，实现前向传播、反向传播，可视化loss曲线# 导入所需模块import tensorflow as tffrom sklearn import datasetsfrom matplotlib import pyplot as pltimport numpy as np# 导入数据

TensorFlow常用函数二1.条件语句where2.随机数生成0~1之间np.random.RandomState.rand3.以行的方式链接数组vstack4.生成坐标点np.mgrid、ravel、np.c_1.条件语句where条件语句为真返回A，条件语句为假返回B：tf.where(条件语句, 真返回A, 假返回B)例如求两张量每个元素的最大值：import tensorflow as tfa = tf.constant([1, 2, 3, 1, 1])b = tf.cons

TensorFlow常用函数1.constant：创建张量：张量是TensorFlow里最常用的数据结构，可以理解为任意维的数组。调用方式为：tf.constant(张量内容, dtype=数据类型(可选))如创建一个一阶张量（即一维数组），里面只有两个元素1和5：a = tf.constant([1, 5], dtype=tf.int64)print("a:", a)print("a.dtype:", a.dtype)print("a.shape:", a.shape)输出结果