随笔分类 - 深度学习&机器学习&机器学习 / 深度学习-TensorFlow
摘要：Keras != tf.keras ▪ datasets ▪ layers ▪ losses **▪ metrics(主要)** ▪ optimizers # 1 Keras.Metrics 1.Metrics(新建一个Matrics) 2.update_state(添加数据) 3.result()
阅读全文
摘要：一.数据的加载： ``` (x, y), (x_test, y_test) = datasets.fashion_mnist.load_data() print(x.shape, y.shape) ```   # 1 Basic Rule   梯度是一个向量  ▪ Hinge Loss  # 1
阅读全文
摘要：这里的输出方式有这几种：  # 1 𝑦∈𝑅^d ▪ linear regression(线性回归)
阅读全文
摘要：▪ Matmul ▪ Neural Network ▪ Deep Learning ▪ Multi-Layer # 1.Matmul - out=f(x@w+b) - out=relu(x@w+b)  2.tf.data.Dataset.from_tensor_slices(加载成tensor) - shuffle - map - batch - repeat # 2 tf.keras.datasets（）  >tf.concat([a,b,....],axis=) 这个就是a，b按照第axis维进行合并,注意，比如说在第1维度进行合并的话
阅读全文
摘要：在前面已经学习了： What we have learned ▪ create tensor ▪ indexing and slices ▪ reshape and broadcasting ▪ math operations 现在用tensorFlow做一个前向传播的一个小实战: ![image]
阅读全文
摘要：# 1 TesorFlow的数据结构 **list** :[1,1.2,'Hello',(1,2)] ,这个list里面什么都可以存储，但是如果存储一个图片[64,32,32,3]里面全是数字的话，大小会很大，所以引入np.array **np.array** :可以很方便的做一些同类型的数据的运算
阅读全文
摘要：# step 0 数据的导入和加载 ``` (x, y), (x_val, y_val) = datasets.mnist.load_data() x = tf.convert_to_tensor(x, dtype=tf.float32) / 255. y = tf.convert_to_tenso
阅读全文
摘要：# 1 数据集  使用灰度图片处理，每一张图片大小都标准化为一个28行，28列，每一个像素点的灰度值是0
阅读全文
摘要：# 1 线性回归 就是给你一堆数据`[[x0,y0],[x1,y1],[x2,y2] [xn,yn]]`然后得出一个y=wx+b来，这里我们引入损失函数loss=$\sum$（w*xi+b-yi）^2,然后我们就是最小化这个loss从而使得w'*x+b'->y 
浙公网安备 33010602011771号