空字符

1 前言什么样的环境配置需要一整天呢？答，在一台内网服务器上且没有内部Python可用源的情况下安装CUDA驱动+Tensorflow需要整整一天。前段时间同事申请的一台主机上周到了，说让笔者来配置一下环境。拿到账号后第一时间登陆上去，并使用了nvidia-smi来查看是否配有显卡。结果提示找不到该命令，初步判断GPU凉了。今天早上同事走过来问我环境弄好了没，速度怎么样？笔者答到，配置好了，速度一般般。同事又问到，和你笔记本比呢？我说差不多，然后补充了一句，没GPU快不起来。结果同事回了一句，主机配了G

1 前言在前面两篇文章中，笔者分别介绍了如何用Tensorflow来实现 线性回归 和 Softmax回归，并且这两个模型有一个共同点就是均为单层的神经网络。那我们应该如何通过Tensorflow来实现一个多层的神经网络呢？有朋友可能就会说了，会写单层的难道还不会写多层了？确实，按照先前的做法：首先定义权重和偏置，然后完成矩阵乘法实现一个全连接层操作；接着再定义权重和偏置，完成第二个全连接层操作。可问题是，这样写一两层还好，可万一要写个十层八层的还不得累趴下？可能还有的朋友会说到，自己定义一个全连接层，

1 前言在前面两篇文章中，笔者分别介绍了如何用Tensorflow来实现线性回归和Softmax回归，并且这两个模型有一个共同点就是均为单层的神经网络。那我们应该如何通过Tensorflow来实现一个多层的神经网络呢？有朋友可能就会说了，会写单层的难道还不会写多层了？确实，按照先前的做法：首先定义权重和偏置，然后完成矩阵乘法实现一个全连接层操作；接着再定义权重和偏置，完成第二个全连接层操作。可问题是，这样写一两层还好，可万一要写个十层八层的还不得累趴下？可能还有的朋友会说到，自己定义一个全连接层，然后再

1 前言在 上一篇文章 中笔者介绍了如何通过Tensorflow来实现线性回归。在接下来的这篇文章中，笔者将会以Fashion MNIST数据集为例来介绍如何用Tensorflow实现一个Softmax多分类模型。在这篇文章中，我们会开始慢慢接触到Tensoflow中用于实现分类模型的API，例如tf.nn.softmax()，softmax_cross_entropy_with_logits_v2等。2 数据处理2.1 导入相关包import tensorflow as tfimport num

1 前言在介绍Tensorflow的过程中，笔者并不会想其它书本一样先依次介绍各种API的作用，然后再来搭建一个模型。这种介绍顺序往往会使你在看API介绍时可能不会那么耐烦，因此在今后笔者将会先搭建出模型，再来介绍其中各个API的作用，即带着目的来进行学习。在接下来的这篇文章中，我们将以波士顿房价预测为例，通过Tensorflow框架来建立一个线性回归模型。当然，模型本身是很简单，并且模型也不是我们所要介绍的，关键是介绍框架的使用。2 框架介绍2.0 安装 tensorflow为了不与其它环境相冲

1 前言由于Tensorflow采用了全新的静态图设计模式，所以其运行机制与我们脑中所熟悉的动态图有着截然不同之处。TensorFlow翻译成中文就是张量流，所以TensorFlow至少代表着两个概念：“张量”和“流”。这儿我们不过多的追究什么是张量，在Tensorflow中它基本上就相当于numpy中的array，下面关键要说的是这个“流”。怎么来说明这个“流”呢？我们先来看一段用python写的普通代码：a=1print("a=",a) # a = 1b=2print("b=",b) # b

1 前言磨磨蹭蹭三个多月，总算是把 《跟我一起机器学习》 这个系列的文章差不多给更新完了，虽然内容不多但还都算是一些比较基础的算法模型。那接下来又来写点啥呢？最近看到群里好几位同学都在吐槽Tensorflow比较难用，不对是相当难用（针对的是1.x版本）。其实说来也是，记得笔者当初在初学Tensorflow的时候同样也是一片茫然：例如什么是Placeholder？为什么每次定义变量的时候还要通过name来起一个名字？为什么每次运行代码的时候都要开始一个session？等等之类的问题。不过随着你慢慢了解到