weixin_37763870的博客

1.前言Overfitting 也被称为过度学习，过度拟合。我们总是希望在机器学习训练时，机器学习模型能在新样本上很好的表现。过拟合时，通常是因为模型过于复杂，学习器把训练样本学得“太好了”，很可能把一些训练样本自身的特性当成了所有潜在样本的共性了，这样一来模型的泛化性能就下降了。我们形象的打个比方吧，你考试复习，复习题都搞懂了，但是一到考试就不会了，那是过拟合。2.对比drop前后的loss...

1.前言本节内容会用到浏览器, 而且与 tensorboard 兼容的浏览器是 “Google Chrome”. 使用其他的浏览器不保证所有内容都能正常显示.学会用 Tensorflow 自带的 tensorboard 去可视化我们所建造出来的神经网络是一个很好的学习理解方式. 用最直观的流程图告诉你你的神经网络是长怎样,有助于你发现编程中间的问题和疑问.2.搭建网络图纸2.1.定义输入...

1.前言这次将用代码展示怎样建造一个完整的神经网络,包括添加神经层,计算误差,训练步骤,判断是否在学习.2.构造神经网络2.1.导入模块import tensorflow as tfimport numpy as np2.2.构造添加一个神经层的函数def add_layer(inputs, in_size, out_size, activation_function=None):...

1.前言在 Tensorflow 里定义一个添加层的函数可以很容易的添加神经层,为之后的添加省下不少时间.神经层里常见的参数通常有weights、biases和激励函数。2.def add_layer()首先，我们需要导入tensorflow模块。然后定义添加神经层的函数def add_layer(),它有四个参数：输入值、输入的大小、输出的大小和激励函数，我们设定默认的激励函数是Non...

1.前言Tensorflow 是非常重视结构的, 我们得建立好了神经网络的结构, 才能将数字放进去, 运行这个结构.2.创建数据首先, 我们这次需要加载 tensorflow 和 numpy 两个模块, 并且使用 numpy 来创建我们的数据....

1.前言这次我们讲 Tensorflow 中的 placeholder , placeholder 是 Tensorflow 中的占位符，暂时储存变量.2.矩阵计算Tensorflow 如果想要从外部传入data, 那就需要用到 tf.placeholder(), 然后以这种形式传输数据 sess.run(***, feed_dict={input: **}).import tensorf...

1.前言在 Tensorflow 中，定义了某字符串是变量，它才是变量，这一点是与 Python 所不同的。定义语法： state = tf.Variable()2.打印数字小实例import tensorflow as tfstate = tf.Variable(0,name='counter') #变量one = tf.constant(1) #常量new_v...

1.前言Session 是 Tensorflow 为了控制,和输出文件的执行的语句. 运行 session.run() 可以获得你要得知的运算结果, 或者是你所要运算的部分.2.计算矩阵乘积首先，我们这次需要加载 Tensorflow ，然后建立两个 matrix ,输出两个 matrix 矩阵相乘的结果。因为 product 不是直接计算的步骤, 所以我们会要使用 Session 来激活...

1.前言最近几年火起来的机器学习有没有让你动心呢? 学习 google 开发定制的 tensorflow, 能让你成为机器学习, 神经网络的大牛,同时也会在海量的信息当中受益匪浅.2.TensorFlow有何用？TensorFlow是Google开发的一款神经网络的Python外部的结构包, 也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow 让我们可以先绘制计算结构图, ...