摘要:
执行之前先在当前目录下建立projector文件夹,然后在projector文件夹下建立data和projector文件夹。 在data文件夹下放入数据图片--》数据图片下载地址 提取码:vhkl 然后运行后打开cmd,进入当前文件夹,执行:tensorboard --logdir=C:\Users 阅读全文
摘要:
准确率 可以修改代码,增加训练时每个点的样本。 阅读全文
摘要:
注意:执行后会在当前目录下生成logs文件夹。打开cmd,进入当前文件夹。输入:tensorboard --logdir=C:\Users\FELIX\Desktop\tensor学习\logs 然后打开浏览器,输入图中的网址,就可以查看了。 有好多TensorFlow中的信息等待探索。 阅读全文
摘要:
# 该版本的最终识别准确率达到98%以上 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # 载入数据集 mnist=input_data.read_data_sets('MNIST_data',one_hot=True) # 每个批次的大小 batch_size=100 #... 阅读全文
摘要:
一:数据集 采用MNIST数据集:--》官网 数据集被分成两部分:60000行的训练数据集和10000行的测试数据集。 其中每一张图片包含28*28个像素,我们把这个数组展开成一个向量,长度为28*28=784.在MNIST训练数据集中mnist.train.images是一个形状为[60000,7 阅读全文
摘要:
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt # 非线性回归 # 使用numpy生成200个随机点 x_data=np.linspace(-0.5,0.5,200)[:,np.newaxis] noise=np.random.normal(0,0.02,x_data.shape) y_d... 阅读全文