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