happygril3

摘要： tf.nn.dropout(x, keep_prob, noise_shape = None, seed = None, name = None) 解释：一个神经元将以概率keep_prob决定是否被激活，如果不被激活，那么该神经元的输出将是0，如果该神经元被激活，那么该神经元的输出值将被放大到原来 阅读全文

摘要： tf.nn.relu ( features, name = None ) 解释：这个函数的作用是计算激活函数 relu，即 max ( features, 0 )输入参数：features: 一个Tensor。数据类型必须是：float32，float64，int3， int64，uint8，int 阅读全文

摘要： 评估操作对于测量神经网络的性能是有用的。 由于它们是不可微分的，所以它们通常只是被用在评估阶段 tf.nn.top_k(input, k, name=None) 这个函数的作用是返回 input 中每行最大的 k 个数，并且返回它们所在位置的索引。 输入参数： input: 一个张量，数据类型必须是 阅读全文

摘要： 创建一个常数张量,传入list或者数值来填充 tensor = tf.constant([1, 2, 3, 4, 5, 6, 7]) with tf.Session() as sess: print(sess.run(tensor)) a = tf.constant([1, 2, 3, 4, 5, 阅读全文

摘要： 想要增加一维，可以使用tf.expand_dims(input, dim, name=None)函数 t = np.array(np.arange(1, 1 + 30).reshape([2, 3, 5]), dtype=np.float32) array([[[ 1., 2., 3., 4., 5 阅读全文