人的抱怨源自，自我无能的愤怒

@神经网络处理分类问题的方法与步骤第一步：获取神经网络的输入提取问题实体中的特征向量作为神经网络的输入。定义网络结构定义神经网络的结构，并定义如何从神经网络中的输入得到输出，这个过程就是神经网络向前传播算法。训练通过训练数据来填在神经网络中参数的取值，也就是训练神经网络的过程。当然在这个过程中往往会存在网路优化，而网络优化过程中最常用的就是反向传播算法预测做完以上几个步骤接下来就...

其实该类问题对于新手(鄙人就是)而言很常见：AttributeError表示所调用对象属性错误，记住Python是面向对象语言，该错误就是Python异常类的错误。#创建一个会话运行TensorFlow程序with tf.Session as sess: init_op = tf.global_variables_initializer() #初始化变量 sess....

应用场景       假设需要判断某工厂生产的零件是否合格，用零件的长度和质量来大致描述一个零件，这样一个物理意义上的零件就可以被转化成长度和质量这两个数字。       特征向量是神经网络的输入，神经网络的主体结构显示在图3-2 的中间位置。目前主流的神经网络都是分层的结构，第一层是输入层，代表特征向量中每一个特征的取值。比如如果一个零件的长度是0.5 ，那么x1的值就是0.5 。同一...

TensorFlow 的名字中己经说明了它最重要的两个概念一一Tensor 和Flow 。Tensor 就是张量。如果说TensorFlow 的第一个词Tensor 表明了它的数据结构，那么Flow 则体现了它的计算模型。TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。import tensorflow as tfg1 = tf.Grap...

神经元结构的输出为所有输入的加权和，故导致了整个神经网络其实为一个线性模型。如下图所示：当前节点输出为,这即为线性模型当前神经元的输出结果。不同于以上情况，如果将每一个神经元（即为神经网络中的节点）的输出通过一个非线性函数，那么整个神经网络的模型也就不再是线性模型了，这个非线性函数就是所谓的激活函数（activation function）。则非线性模型当前神经元的输出为，其实对于线性模...

开始之前我们先进入数字识别这样一个场景：以识别数字1为例，神经网络模型的输出结果越接近[0,1,0,0,0,0,0,0,0,0]越好。神经网络解决多分类的问题，最常见的方法是设置n个输出节点，其中n类别个数，那么上述数字判断就应该有n=10个输出。那么如何判断一个输出向量和期望向量的接近程度呢？交叉熵(Cross entropy)是常用的评判方法之一，其实交叉熵刻画了两个概率分布之间的距离，它是分...