摘要：题目场景 思路 均方误差 关于这个思路就是我们通过广告+天气温度的数据可以得到对应的训练值，不用考虑其他的，所以损失函数如下： loss = tf.reduce_mean(tf.square(y_ - y)) 自定义损失函数 之所以自定义损失函数的原因是，有些场景我们使用均方误差就不太合适了，比如， 阅读全文

摘要：知识核心 我们根据特征值数量，标签值数量和训练总数可以得到y，x，然后可以推出w和b的行列数量，比如我们现在有120个训练集，鸢尾花中特征值为4，分别是花萼长，花萼宽，花瓣长，花瓣宽，标签值为3，分别是狗尾草鸢尾，杂色鸢尾，弗吉尼亚鸢尾。那么y就是(120, 3),x就是(120,4),所以w就是( 阅读全文

摘要：知识核心 多层神经网络构成是多个w的问题，如果有n个w,一个b的情况下，则有2^(n-1)个构成方式，比如有两个w的时候，函数公式可以是以下两种：y = xw1w2+b或者y = (xw1 + b)w2 多层神经网络会把训练速度降低 多层神经网络并不会对最终结果有过多影响，因为最终公式其实就是y = 阅读全文

摘要：我的第一个神经网络学习代码 较为通用的前置知识 矩阵叉乘，n行m列只能与m行z列叉乘，也就是说第一个矩阵的列数等于第二个矩阵的行数 当前神经网络均满足:y=xw+b这个公式，其中我们训练神经网络就是在寻找w的值和b的值，只有损失函数无限趋近于0或者直接等于0，则该神经网络训练完成 关于学习率取值，如 阅读全文