HouYing

import tensorflow as tfimport osimport numpy as npnp.set_printoptions(threshold=np.inf) # threshold 指定超过多少使用省略号，np.inf代表无限大

自制数据集，解决本领域应用 数据增强，扩充数据集 断点续训，存取模型 参数提取，把参数存入文本 acc/loss可视化，查看训练效果 应用程序给图识别物体自制数据集代码import tensorflow as tffrom PIL import Imageimport numpy as npimport ostrain_path = './mnist_image_label/mnist_train_jpg_60000/'train_txt = './mnist_image.

tf.keras搭建网络八股六步法：import 导入模块train,test 训练集和测试集是什么（训练集输入特征x_train和训练集的标签y_train） （测试集输入特征x_test和测试集的标签y_test）model = tf.keras.models.Sequential 在Sequntial()中搭建网络结构，逐层描述每层网络，走一遍前向传播model.c...

交叉熵损失函数CE（Cross Entropy）:表征两个概率分布之间的距离 H（y_,y）= - Σy_ * lnyeg.二分类已知答案y_=(1,0) 预测 y1=（0.6,0.4） y2=（0.8,0.2）哪个更接近标准答案？H1((1,0),(0.6,0.4))=-(1*ln0.6+0*0.4) ≈ -(-0.511+0) = 0.511H2((1,0),(0.8,0.2))=-(1*ln0.8+0*0.2) ≈ -(-0.223+0) = 0.223因为H1>H2,所以y2预

求导import tensorflow as tfwith tf.GradientTape() as tape: x = tf.Variable(tf.constant(3.0)) #x可训练，可更新 y = tf.pow(x, 2) #函数名称grad = tape.gradient(y, x) #对 x的平方求导 = 2xprint(grad) #答案是6