摘要：重点是建立好input 建立好output 其中input 和 output是 关联的 多输入情况： 该model中间产生分叉：两个输入，两个flatten ，concatenta合并，最后变成一个dense 概率输出 阅读全文

摘要： 阅读全文

摘要：从一层增加到三层 ，增加网络层数越多可能会造成过拟合 原来： 后来： 增加网络拟合能力，能够增加数据的准确程度。模型拟合能力过分增加，模型可能过拟合 结果： 随着训练 train数据一直在下降，但是在val_loss在某点不但没有下降反而上升了(因为后面一段产生了过拟合) 阅读全文

摘要：这种报错情况： 1.单词拼错 2.将 model=tf.keras.Sequential() 改成 model=tf.keras.models.Sequential() 即可。 阅读全文

摘要：增加网络拟合程度结果： 阅读全文

摘要：原来的训练结果： 改变优化器：规定优化器为adam，并将if（learning_rate）为0.001. 改变优化器之后的训练结果：结果不是很好，很快达到了饱和 阅读全文

摘要：在上次的fashion mnist实现softmax的基础，对于多分类问题使用categorical_crossentropy 和 sparse_categorical_crossentropy 两种方式来计算softma交叉熵 在原先train_lable是数字编码 ，现在使用独热编码（独热编码即 阅读全文

摘要：fashion mnist 数据集 使用60000张图像训练网络，并使用10000张图片评估经过学习的网络分类图像的准确率 从tensorflow直接访问fashion mnist，只需要导入和加载数据即可 1.如何加载fashion mnist 数据集： 2.如何使用tf.keras实现softm 阅读全文

摘要：关于信用卡的诈骗问题：导入诈骗数据集 编译： 阅读全文

摘要：利用tf.keras实现多层感知器 读取数据： 阅读全文

摘要：建立模型：通过受教育年限预测收入情况f(x)=ax+b 根据excel表格中属性值：Education 和 Income (将excel表格后缀改为.csv) 在jupyter中，表格所在路径下进行表格的导入： 若是要绘制散点图： 建立模型; 训练500次的测试过程： 损失值逐渐减少,损失值越小模型 阅读全文

摘要：例如单变量线性回归模型 利用jupyter 导入数据绘制散点图 阅读全文

摘要：print(tf.__version__) 查看版本使用的"_"和能够查看版本 print(tf.__version__)中 “__”不一样，这就是报错原因 注：实际上不是一个下划线，是两个下划线连在一起了。 阅读全文

摘要：用tf.keras 实现一个简单的线性回归 单变量线性回归算法（比如，x表示学历，f(x)表示收入） f(x)=ax+b 使用f(x)函数映射输入特征和输出值 阅读全文

摘要：1.搭建tensorflow环境 2.安装ipython notebook 参考网址：IPython与IPython Notebook安装及使用_icepoint的博客-CSDN博客 在jupyter笔记本中进行编写 阅读全文

摘要：1.首先配置好虚拟机下的Ubuntu系统 2.打开terminal终端，输入命令：sudo apt-get install python-pip python-dev 3.终端下执行 sudo apt-get update 4.安装tensorflow 直接在终端输入命令：pip install t 阅读全文

摘要：python程序生成一些三维数据，然后用一个平面去拟合它 1 #! /usr/bin/python 2 # -*- coding: utf-8 -*- 3 4 5 6 import tensorflow as tf 7 import numpy as np 8 9 # 使用 NumPy 生成假数据( 阅读全文

摘要：在Ubuntu中安装opencv等插件，运行代码： 1 #! /usr/bin/python 2 # -*- coding: utf-8 -*- 3 4 import pygame 5 import random 6 from pygame.locals import * 7 import nump 阅读全文

摘要：用下面代码测试安装： 1 #! /usr/bin/python 2 # -*- coding: utf-8 -*- 3 4 import tensorflow as tf 5 import numpy 6 import matplotlib.pyplot as plt 7 rng = numpy.r 阅读全文