qq_41978896的博客

台大2020年深度学习课程作业一（tensorflow版）基于tensorflow的框架，写了一半基于多层神经网络的求解方法，代码如下：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport tensorflow as tf#数据读取total_data=pd.read_csv('./data/train.csv',encoding='big5')data=total_data.iloc[:,3:

cifar10_input使用时的注意事项在使用cifar10数据集时，一般会使用cifar10_input.py导入测试图片和标签，但是由于tensorflow版本变化的原因，我们经常会遇到如下两种保存：AttributeError：‘module’对象没有属性’per_image_whitening’和AttributeError: module ‘tensorflow’ has no attribute ‘image_summary’，这两个报错就是由于版本不兼容问题导致的。解决方案：用per_

Tensorflow sobel 卷积操作import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.image as mpimgmyimg=mpimg.imread('img.jpg')plt.imshow(myimg)plt.axis('off')plt.show()print(myimg.shape)full=np.reshape(myimg,[1,768,1

TensorFlow实现复杂非线性分类及模型可视化import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.utils import shufflefrom matplotlib.colors import ListedColormap,ColorConverterdef generate(sample_size,mean,cov,diff,regression,num_classes

TensorFlow实现简单非线性分类问题对于一个非线性问题，如果在不是使用隐藏层的情况下，是很难做到合理分类的，具体代码如下：import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.utils import shuffle#数据生成和数据处理def generate(sample_size,mean,cov,diff,regression,num_classes): "

TensorFlow实现简单线性分类问题import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport randomfrom sklearn.utils import shuffle#数据生成和数据处理def generate(sample_size,mean,cov,diff,regression,num_classes): """sample_size:样本个数；mean:不同特征的分布

TensorFlow 优化器介绍

TensorFlow常用函数对象介绍tf.cast(张量名，dtype=数据类型)：强制数据类型转换；tf.reduce_min(张量名)：计算张量维度上的最小值；tf.reduce_max(张量名)：计算张量维度上的最大值；axis的含义：在一个二维张量中，可以通过调整axis等于0或者1控制执行维度，等于0表示跨行，等于1表示跨列，如果不指定则所有元素参与计算；tf.reduce_mean(张量名，axis=操作轴)：计算张量沿指定维度的平均值；tf.reduce_sum(张量名，axis=

TensorFlow 张量（Tensor）介绍概述创建方法概述TensorFlow 中张量（Tensor）表示多维数据，也可以理解为列表，可以表示0阶到n阶列表。张量可以使用TensorFlow中自带的数据类型：tf.int32 ; tf.float32 ; tf.constant([True,False]) ; tf.constant(“abc”)。创建方法tensorflow.constant(shape,type)：创建一个指定大小和指定数据类型的张量；tensorflow.convert_

TensorFlow简单卷积神经网络（CNN）测试概述代码代码说明概述卷积神经网络经常被使用在图像识别中，可以有效提升图像的识别效率。某种程度上来说卷积神经网络做的也是特征工程的工作，不管是池化还是卷积都是为了将图片中的隐藏信息转变成特征向量传入神经网络中。代码import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# 权重初始化def weight_value(shape):

TensorFlow 神经网络过拟合处理方法概述说明代码代码解释概述机器学习在训练模型时，难免会出现过拟合现象，一般是模型越复杂过拟合的可能性越高，特别是对于神经网络这种涉及非凸函数优化的模型。解决方案一般有：增加训练数据量；正则化以及Dropout。增加训练集数据量很好理解了，数据的量是比模型重要的；正则化相当于给模型增加了一个先验策略，用的比较多的是L1和L2正则；Dropout方法是在神经网络模型中较普遍的方法，采取的方案是在模型训练中随机关闭部分神经元，使部分神经元失效，此外Dropou还

这里写目录标题概述说明代码代码解释概述说明代码代码解释

这里写目录标题TensorFlow 简单回归分析概述说明代码代码解释TensorFlow 简单回归分析概述之前一直听说TensorFlow很好用，至今到现在一直没有实际的使用的（之前一直用的sklearn），今天B站上看了一个教学视频跟着上课的老师敲了下面的代码，代码的功能实现了简单的回归分析。说明代码构建了包括输入层、输出层和一层隐藏层的神经网络，该神经网络的激活函数是tanh函数，该函数表达式为：tanh(x)=sinh(x)/conh(x)tanh(x)=sinh(x)/conh(x)