摘要：
TensorFlow2_200729系列 17、函数用梯度下降法求最值实例 一、总结 一句话总结： 从不同的初始点梯度下降，找到的极值点不一样 import numpy as np from mpl_toolkits.mplot3d import Axes3D from matplotlib imp 阅读全文
posted @ 2020-08-05 02:41
范仁义
阅读(465)
评论(0)
推荐(0)
摘要：
TensorFlow2_200729系列 16、链式法则求多层感知器梯度实例 一、总结 一句话总结： A、y2对y1求导：w2：dy2_dy1 = tape.gradient(y2, [y1])[0] B、y1对w1求导：x：dy1_dw1 = tape.gradient(y1, [w1])[0] 阅读全文
posted @ 2020-08-04 15:04
范仁义
阅读(177)
评论(0)
推荐(0)
摘要：
TensorFlow2_200729系列 15、交叉熵求梯度实例 一、总结 一句话总结： loss = tf.reduce_mean(tf.losses.categorical_crossentropy(tf.one_hot(y,depth=2), logits, from_logits=True) 阅读全文
posted @ 2020-08-04 14:13
范仁义
阅读(259)
评论(0)
推荐(0)
摘要：
TensorFlow2_200729系列 14、MSE求梯度实例 一、总结 一句话总结： tf.losses.MSE：loss = tf.reduce_mean(tf.losses.MSE(y, logits)) 1、机器学习中的公式推导？ 机器学习中，很多看似很复杂的公式的推导，就是非常普通的按照 阅读全文
posted @ 2020-08-04 09:44
范仁义
阅读(221)
评论(0)
推荐(0)
摘要：
神经网络激活函数softmax，sigmoid，tanh，relu总结 一、总结 一句话总结： 常见激活函数：softmax、sigmoid、tanh、relu 二、【神经网络】激活函数softmax，sigmoid，tanh，relu总结 转自或参考：【神经网络】激活函数softmax，sigmo 阅读全文
posted @ 2020-08-04 05:35
范仁义
阅读(1459)
评论(0)
推荐(0)
摘要：
数学公式库KaTeX小实例 一、总结 一句话总结： A、MathJax可以渲染公式，另一个库js库KaTeX有可以。 B、KaTeX是Khan Academy出品的一款快速、简单易用的JavaScript库，用来在Web上渲染TeX格式的数学公式。 1、在线的js和css显示正常，本地的js和css 阅读全文
posted @ 2020-08-04 05:07
范仁义
阅读(1221)
评论(0)
推荐(0)
摘要：
小白都能看懂的softmax详解 一、总结 一句话总结： softmax把一些输入映射为0-1之间的实数，并且归一化保证和为1，因此多分类的概率之和也刚好为1 二、小白都能看懂的softmax详解 转自或参考：小白都能看懂的softmax详解https://blog.csdn.net/bitcarm 阅读全文
posted @ 2020-08-04 04:15
范仁义
阅读(1621)
评论(0)
推荐(0)
摘要：
TensorFlow2_200729系列 13、二阶梯度求解 一、总结 一句话总结： 梯度是放在with tf.GradientTape() as t1 语句之中，那二阶梯度就是这个语句的嵌套 import tensorflow as tf w = tf.Variable(1.0) b = tf.V 阅读全文
posted @ 2020-08-04 01:07
范仁义
阅读(280)
评论(0)
推荐(0)
摘要：
Python查看对象属性的方法 一、总结 一句话总结： a、使用dir(object)或者object.__dict__ b、也可以使用help函数 二、Python查看对象属性的方法 转自或参考：Python查看对象属性的方法https://www.cnblogs.com/linyouyi/p/1 阅读全文
posted @ 2020-08-03 07:24
范仁义
阅读(1111)
评论(0)
推荐(0)
摘要：
TensorFlow2_200729系列 12、全连接层 一、总结 一句话总结： tf.keras.layers.Dense(2, activation='relu') 1、为什么神经节点一般有多个w和一个b？ A、h=relu(X@W)+b，这里的b表示bias，也就是误差， B、比如第一层3个节 阅读全文
posted @ 2020-08-03 07:22
范仁义
阅读(169)
评论(0)
推荐(0)
浙公网安备 33010602011771号