qq_46663231的博客

tensorflow笔记1搭建一个神经网络，训练cifar10数据集，搭建一个一层卷积（卷积核6*5*5conv，pool（2*2），步长2），2层全连接的网络（dense128，dense10）cifar10数据集一共6万张彩色图片，5万张32*32像素点的图片核标签用于训练，1万张用于测试。里面由10个分类，飞机、汽车、鸟、猫、狗。。。。分别对应标签0-9神经网络的一个基本模型import tensorflow as tfimport osimport numpy as npfrom ma

tensorflow笔记3MNIST数据集共7万张图片，都是28*28像素点的手写数字图片。6万张用于训练，1万张用于测试。import tensorflow as tfmnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load_data() #直接送数据集中读取训练集和测试机x_train, x_test = x_train / 255.0, x_test / 255.0

tensorflow笔记2示例：有一堆x1\x2数据以及对应的标签y（0，1），若在给给出一个x1\x2数据，请你预测出y的值将x1和x2分别作为横纵坐标八数据可视化成数据点，标签为1的点标为红色，为0的点为蓝色，让神经网络画出一条线区分红色点和蓝色点。思路： 新用神经网络拟合出输入特征x和输出标签y的函数关系，然后生成网格覆盖这些点，把网格的交点（横纵坐标）作为输入送入训练好的神经网络模型中，神经网络会为每一个坐标生成一个预测值，区分输出偏向1还是0，把输出预测值为0.5的线标出颜色，这条线就是区