学习笔记

tensorflow实现非线性回归 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt #使用numpy生成200个随机点 x_data = np.linspace(-0.5,0.5,200)[:,np.newaxis] noise = np.random.normal(0,0.02,x_data....

tensorflow实现交叉熵 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets("MNIST_data",one_hot=True) #每个批次的大小 batch_size = 100 #计算一共...

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets("MNIST_data",one_hot=True) #每个批次的大小 batch_size = 100 #计算一共有多少个批次 n_batch =...

batch_normalization：批标准化，即对整个神经训练的批次进行标准化处理，使其取值位于激励函数的非饱和范围，批标准化不仅只对于输入层，对于所有的隐藏层（需要激励函数）均进行处理，有点是加速训练效率，防止细胞死亡。 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt tf.set_ran...

时间序列预测（曲线回归或曲线拟合），结构为训练数据生成-》隐藏输入层-》LSTM神经层-》隐藏输入层-》结果，也可以采用LSTM神经层-》全连接层（多层的普通神经网络）构成，训练效果未对比，与参数调优相关。 参数说明：TIME_STEPS:RNN训练的步数，一次训练输入的序列长度；INPUT_SIZE:输入序列中，单个输入的维度，用于曲线拟合或者回归的话，维度即为1；BATCH_SIZE：训练的批...