weixin_44599230的博客

tensorflow模型保存和恢复

数据集一个英文评论的数据集，标签是三类，正向负向和中立引入库import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layersimport numpy as npimport pandas as pdfrom sklearn.model_selection import train_test_splitimport re读入数据data=pd.read_csv('dataset/

文章目录前言一、自动微分运算 tf.GradientTape二、tf.keras.metrics模块1.tf.keras.metrics.Mean2.tf.keras.metrics.SparseCategoricalAccuracy三、自定义训练实战，手写数字识别总结前言Tensorflow2.0中tf.keras 封装的实在是太好了,定义好模型后直接使用model.fit函数就可以完成训练，不过有时需要对数据进行一些特殊处理，或者多输入多输出的情况，或者还需要自定义loss和accuracy的.

文章目录一、tf.data 简单示例1.引入库2.tf.data.Dataset.from_tensor_slices3.tf.data.Dataset.from_tensor_slices封装字典数据4.take方法5.shuffle方法6.repeat方法7.batch方法8.三种方法一起使用9.map方法二、mnist手写数字分类实现总结一、tf.data 简单示例1.引入库代码如下（示例）：import tensorflow as tfimport numpy as np2.tf.da

文章目录一、多层感知器MLP原理介绍常见的激活函数二、代码实现 基于Tensorflow2.0 tf.keras1.引入库2.读入数据3.划分数据集使用tf.keras构建并训练多层前馈神经网络结果预测总结一、多层感知器MLP原理介绍单层神经元的缺陷:神经元要求数据必须是线性可分的。异或问题无法找到一条直线分割两个类为了继续使用神经网络解决这种不具备线性可分性的问题，采取在神经网络的输入端和输出端之间插入更多的神经元多层感知器（MLP，Multilayer Perceptron）是一种前馈人工神经网