山…隹

2020年8月4日

摘要： import tensorflow as tf import numpy as np x = np.array([1, 2, 3, 4]) y = np.array([0,0,1,1]) w = tf.Variable(1.) b = tf.Variable(1.) sigmodX = 1 / (1 阅读全文

posted @ 2020-08-04 15:17 山…隹阅读(515) 评论(0) 推荐(0)

tensorflow2.0——交叉熵损失函数

摘要：平方损失函数求导后，偏导太小，迭代更新慢，所以考虑用交叉熵损失函数（注意标记值和预测值不能写反了）（标记值为0或1，对0取对数是不存在的额）：交叉熵损失函数满足作为损失函数的两大规则：非负性，单调一致性阅读全文

posted @ 2020-08-04 14:38 山…隹阅读(1227) 评论(0) 推荐(0)

tensorflow2.0——逻辑回归

摘要：阅读全文

posted @ 2020-08-04 12:15 山…隹阅读(293) 评论(0) 推荐(0)

2020年7月31日

tensorflow2.0——波士顿房价数据预测（3）

摘要： import tensorflow as tf import matplotlib.pylab as plt import numpy as np # 调用数据 boston_house = tf.keras.datasets.boston_housing (train_x, train_y), ( 阅读全文

posted @ 2020-07-31 17:46 山…隹阅读(610) 评论(0) 推荐(0)

tensorflow2.0——波士顿房价数据与多个特征的关系（多元函数的预测）

摘要： import tensorflow as tf import matplotlib.pylab as plt import numpy as np # 调用数据 boston_house = tf.keras.datasets.boston_housing (train_x, train_y), ( 阅读全文

posted @ 2020-07-31 16:35 山…隹阅读(574) 评论(0) 推荐(0)

tensorflow2.0——波士顿房价数据与房间数关系的预测

摘要： import tensorflow as tf import matplotlib.pylab as plt import numpy as np # 调用数据 boston_house = tf.keras.datasets.boston_housing (train_x, train_y), ( 阅读全文

posted @ 2020-07-31 15:16 山…隹阅读(573) 评论(0) 推荐(0)

2020年7月29日

tensorflow2.0——自动求导GradientTape

摘要：该参数表示是否监视可训练变量，若为False，则无法监视该变量，则输出也为None 手动添加监视 import tensorflow as tf ############################### tf.GradientTape(persistent,watch_accessed_var 阅读全文

posted @ 2020-07-29 21:22 山…隹阅读(1032) 评论(0) 推荐(0)

tensorflow2.0——可训练变量

摘要： import tensorflow as tf import numpy as np ############### tf.Variable(initial value,dtype) ############### print('############数字为参数###########') a = 阅读全文

posted @ 2020-07-29 17:29 山…隹阅读(1355) 评论(0) 推荐(0)

2020年7月27日

tensorflow2.0——部分采样

摘要： import numpy as np import tensorflow as tf # ************************* gather()根据索引提取数据 ***************************** a = tf.range(5) print('原张量a:',a) 阅读全文

posted @ 2020-07-27 16:55 山…隹阅读(395) 评论(0) 推荐(0)

tensorflow2.0——维度变换

摘要： import tensorflow as tf import numpy as np ##############################维度变换tf.reshape()函数###################################### a = tf.range(30) b = 阅读全文

posted @ 2020-07-27 16:19 山…隹阅读(696) 评论(0) 推荐(0)

公告