摘要： 我们将先描述卷积神经⽹络中卷积层和池化层的⼯作原理，并解释填充、步幅、输⼊通道和输出通道的含义。掌握了这些基础知识以后，我们将探究数个具有代表性的深度卷积神经⽹络的设计思路。 卷积神经⽹络是含有卷积层（convolutional layer）的神经⽹络，以常见的二维卷积层为例，它有⾼和宽两个空间维度 阅读全文

摘要： 已知数据文件，例如csv文件。那么tensorflow怎么来读取数据文件呢。 1.构造一个文件队列 2.读取队列内容(这里的队列内容是文件路径) 3.解析队列中文件内容 4.批处理文件数据（为了主线程要拿这里的文件数据进行训练） 阅读全文

摘要： 相对于经典网络（输入层，隐藏层，输出层），ESN（回声状态网络）有三部分组成（输入层，储存池，输出层），ESN通过随机部署大规模的系数链接的神经元构成网络隐层，一般称为 “储存池”，ESN的特点是： 包含数目较多的神经元 神经元之间的连接关系是随机产生的 神经元之间的连接具有稀疏性 1.什么是稀疏性 阅读全文

摘要： 队列管理器的创建： tf.train.QueueRunner(queue,enqueue_ops = None): 参数解释： queue:一个队列 enqueue_ops ：添加线程的队列操作的列表，[]*2就是指定两个线程 create_threads(sess,coord=None,start 阅读全文

摘要： #用队列来模拟一下同步的过程，这里的同步指的是：想把所有的数据处理完放到一个队列中，然后主线程才会去读取数据的一个过程 #而不是子线程一边去处理数据，主线程一边去读取数据，这是异步啊 import tensorflow as tf import os os.environ['TF_CPP_MIN_L 阅读全文

摘要： 线性回归：w1x1+w2x2+w3x3+......+wnxn+bias(这是一个偏移量)，我们采用的算法是：线性回归，策略是：均方误差，优化是：梯度下降API, 1.转准备好实验的数据：100个数据，每一个有一个特征值，所以形成一个【100,1】的列表，在准备一个目标函数：y=0.8x+0.7那么 阅读全文

摘要： 随机数的产生： tf.random_normal(形状，平均值，方差); 例如： a = tf.random_normal([2,3],mean = 1.0,stddev = 1.0) with tf.Session() as sess: print(sess.run(a)) 变量op: 作用：变量 阅读全文

摘要： import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'#把报错的这个警告等级降低 #图：默认已经注册，一组表示tf.Operation（节点）计算单元的对象和tf.Tensor(张量)操作之间的数据单元的对 阅读全文

摘要： 一，多维数组 1.numpy中的多维数组是numpy.ndarray类类型的对象，可用于表示数据结构中任意维度的数组 2.创建多维数组的对象 方法一：numpy.arange(起始值，终止值，步长)，默认起始值是0，步长是1，终止值不可缺省,这个返回的是数组 方法二：numpy.array(任何可被 阅读全文

摘要： 我们可以像如下这样创建一个属于自己的.csv文件，其中的newline=''是为了解决我们创建的CSV文件里多一个空行的问题，用这种方法可以去掉这个空行 import csv #创建文件对象 f = open('data1.csv','w',encoding='utf-8',newline='') 阅读全文