摘要：Dropout 解决 overfitting 相对于过拟合（overfitting，或称：过度学习）是指，使用过多参数，以致太适应训练数据而非一般情况；另一种常见的现象是使用太少参数，以致于不适应当前的训练数据，这则称为欠拟合（underfitting，或称：拟合不足）现象。[2] 防止过拟合，我们 阅读全文

摘要：Tensorboard 可视化之训练过程 上一篇涉及 Tensorboard 可视化的神经网络图层, 只是让我们看清楚神经网络的结构. 今天, 我们要借助 Tensorboard 来可视化训练过程, 看看训练的过程到底是多么坎坷艰难的. 基本步骤 制作输入源 在 中为 Weights, biases 阅读全文

摘要：Tensorboard 可视化之图层 Tensorflow 自带的 tensorboard 可以构建我们的神经网络图层, 让我们看看自己的神经网络长什么样. 开始构建图层结构啦 我们要用到前面用到的代码来构建神经网络图像 首先是数据的输入 : 图层可以包含子图层, 所以, 我们要用到 将 和`ys` 阅读全文

摘要：创建神经网络 1. 实现添加层函数 完整的「神经网络」, 包括添加神经层, 计算误差, 训练步骤, 判断是否在学习. 定义一个添加层的函数可以很容易的添加神经层. 参数: inputs : 输入数据 in_size : 输入大小 out_size: 输出大小 activation_function: 阅读全文

摘要：刚了解 Google 的 tensorflow, 使用的是 Python 版本的. 简单的整理下基本用法. 1. 常量(constant) 2. 变量(variable) 3. 占位符(placeholder) 4. 会话(Session) 阅读全文