Pure_boy的博客

数据预处理在tf.tensorflow.preprocessing包中有数据预处理的函数，包括：image、Sequence、text。以tf.tensorflow.preprocessing.image中的ImageDataGenerator为例：tf.keras.preprocessing.image.ImageDataGenerator( featurewise_center=False, # samplewise_center=False, featurewise

步骤导入相关模块准备训练集和测试集在Sequential中搭建神经网络，逐层描述每层神经网络在compile中选择配置训练方法，告知优化器，损失函数，评测指标用fit函数进行训练用summary打印出网络结果和参数统计函数提要# 搭建网络结构tf.keras.models.Sequential([第一层,第二层,...,第n层])# 每一层使用什么层，可以去tf.keras.layers包中去寻找，以下举几个例子：tf.keras.layers.Flatten():平铺层tf.

函数引入# 条件语句为真时返回A，条件为假时返回Btf.where(条件语句,A,B)# 实例import tensorflow as tfa = tf.constant([1,2,3,1,2])b = tf.constant([2,4,5,7,1])c = tf.where(tf.greater(a,b),1,-1)print(c)# 返回一个[0,1)之间的随机数。不传维度参数，返回一个标量np.random.RandomState.rand(维度)# 实例import n

意义最基础的一个深度学习代码。代码# 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，分别为输入特征和标签x_data = datasets.load_iris().datay_data = datasets.load_iris().

安装此处使用conda进行安装//安装英伟达的SDK10.1版本conda install cudatoolkit=10.1//安装英伟达深度学习软件包conda install cudnn=7.6//安装tensorconda install tensorflow=2.1//说明，版本号如果不是一样的可以删除，前面两个安装如果不成功就是不支持GPU。 tensor中的数据类型张量张量简单来说就是多维数组。零阶张量就是一个常数，一阶张量就是一维数组，二阶张量就是二维数组…以此