摘要：
激活函数 激活函数函数代码Sigmoidtf.nn.sigmoid(x)ReLUtf.nn.relu(x)LeakyReLUtf.nn.leaky_relu(x, alpha)Tanhtf.nn.tanh(x) Sigmoid Sigmoid图像 logistic函数,因为其形状为S型,又称Sigm 阅读全文
posted @ 2020-09-04 16:30
kuanleung
阅读(47)
评论(0)
推荐(0)
摘要：
误差loss, E \Epsilon E 误差计算 E = g ( f θ ( x ) , y ) \Epsilon = g(f_\theta(x),y) E=g(fθ(x),y) f θ ( x ) f_\theta(x) fθ(x)为当前模型下y的预测值 g ( . ) g(.) g(.)为 阅读全文
posted @ 2020-09-04 15:29
kuanleung
阅读(29)
评论(0)
推荐(0)
摘要：
多层神经网络实现 多层神经网络 张量方式实现 初始化各层调用梯度记录器（自动求导）搭建各层 import tensorflow as tf from tensorflow.keras import layers x = tf.random.normal([3,784])#模拟2个样本，50个特征 w 阅读全文
posted @ 2020-09-04 14:10
kuanleung
阅读(19)
评论(0)
推荐(0)
摘要：
全连接的层实现 功能函数代码层实现方式layers.Dense(units, activation)获取 Dense 类的权值矩阵fc.kernel获取 Dense 类的偏置向量fc.bias返回待优化参数列表fc.trainable_variables 层实现 layers.Dense(units 阅读全文
posted @ 2020-09-04 13:14
kuanleung
阅读(44)
评论(0)
推荐(0)
摘要：
全连接层的张量实现 单层神经网络的实现 定义好权值张量𝑾和偏置张量𝒃批量矩阵相乘函数 tf.matmul()即可完成网络层的计算偏置向量𝒃与计算完𝑿@𝑾的相加将结果传入激活函数 import tensorflow as tf x = tf.random.normal([2,567])#模拟 阅读全文
posted @ 2020-09-04 11:25
kuanleung
阅读(29)
评论(0)
推荐(0)
摘要：
神经网络基础 感知机 公式表达: z = W T x + b , a = σ ( z ) = σ ( W T x + b ) z= W^Tx + b , a = \sigma (z) = \sigma (W^Tx + b) z=WTx+b,a=σ(z)=σ(WTx+b) 通过a与Y的误差调整W与b 阅读全文
posted @ 2020-09-04 11:06
kuanleung
阅读(15)
评论(0)
推荐(0)
摘要：
经典数据集操作 功能函数代码加载数据集datasets.Dataset_name.load_data()构建 Dataset 对象tf.data.Dataset_name.from_tensor_slices((x, y))随机打散Dataset_name.shuffle(buffer_size)批 阅读全文
posted @ 2020-09-04 09:16
kuanleung
阅读(48)
评论(0)
推荐(0)
浙公网安备 33010602011771号