发表于 | 更新于 | 评论数：

1. 普通神经网络在处理图像时遇到的问题图像的每个像素，都可以看作是特征值。1000x1000的图片，就有100万个特征值。如果把100万个特征值输入到全连接神经网络，参数过多就会导致计算量过大、内存爆炸 输入层神经元 [None, 10^6] 全连接层 [10^6, 10^6]，大小10^12 ...

阅读全文 »

发表于 | 更新于 | 评论数：

1. 手写数字数据集1.1. 下载数据集下载地址：http://yann.lecun.com/exdb/mnist/ 下载这4个数据集，放到工程的 ./data/mnist/input_data/ 目录下，后面程序中要读取这些数据train-images-idx3-ubyte.gz: 训练集图片tr ...

阅读全文 »

发表于 | 更新于 | 评论数：

参考资料 神经网络浅讲：从神经元到深度学习 AI学习笔记：[1]神经元与神经网络 1. 神经元神经元是神经网络的基本结构，是最小的神经网络。神经元有多个输入和一个输出 输入x：代表样本特征值，如 [房屋面积，房屋价格，社区评分] 连接（Connection）是图中的边。每一个连接上都有一个权 ...

阅读全文 »

发表于 | 评论数：

1. 队列基本操作import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'# 创建队列，第1个参数capacity代表队列容量，第2个参数dtypes代表元素类型q = tf.FIFOQueue(3, tf.fl ...

阅读全文 »

发表于 | 评论数：

1. TensorFlow 实现线性回归import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'def linear_regression(): """ 自实现一个线性回归预测 :return: ...

阅读全文 »

发表于 | 评论数：

1. 实现可视化TensorBoard通过读取TensorFlow的事件文件来运行，所以首先将图序列化到文件中，生成的文件就是事件文件a = tf.constant(4, name="input_a")b = tf.constant(2, name="input_b")c = tf.multiply ...

阅读全文 »

发表于 | 更新于 | 评论数：

1. 什么是变量变量也是一种OP，是一种特殊的张量，能够进行存储持久化，它的值就是张量 2. 创建变量var = tf.Variable(tf.random_normal([2, 3], mean=0.0, stddev=1.0)) # 创建变量with tf.Session() as sess: ...

阅读全文 »

发表于 | 评论数：

tf.ones(shape, dtype=dtypes.float32, name=None) 初始化元素为1 tf.zeros(shape, dtype=dtypes.float32, name=None) 初始化元素为0 tf.ones_like(tensor, dtype=None, name ...

阅读全文 »

发表于 | 评论数：

1. Tensor三要素Tensor包括三部分：名字、形状、数据类型，直接用 print就可以查看a = tf.constant(1)b = tf.constant([1, 2])c = tf.constant([[1, 2], [3, 4], [5, 6]])print(a) # Tensor( ...

阅读全文 »