AI-Dog

摘要： 网络实现程序如下 阅读全文

摘要： 计算图是TensorFlow的计算模型，所有TensorFlow的程序都会通过计算图的形式表示。计算图上的每一个节点都是一个运算，而计算图上的线条则表示运算之间的数据传递关系。计算图上还保存了运行每个计算的设备信息（CPU，GPU）及运算之间的依赖关系。 张量是TensorFlow的数据模型，Ten 阅读全文

摘要： 下面是TensorFlow可视化MNIST数据集识别程序，可视化内容是，TensorFlow计算图，表（loss， 直方图， 标准差（stddev）） 在cmd中输入tensorboard --logdir=tensorboard --logdir=D:\AIdata\tf_data\tf_test 阅读全文

摘要： 为了更好地管理、调试和优化神经网络的训练过程，TensorFlow提供了一个可视化工具tensorboard，tensorboard可以有效的展示TensorFlow在运行中的计算图，各种指标随时间变化趋势以及训练中使用的图像等信息。 TensorBoard可以通过TensorFlow程序运行过程中 阅读全文

摘要： import tensorflow as tf # NumPy是一个科学计算工具包，这里通过numpy工具包生成模拟数据集 from numpy.random import RandomState # 定义一批训练数据batch大小 batch_size = 8 w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1)) w2 =... 阅读全文

摘要： 神经网络模型的训练过程其实质上就是神经网络参数的设置过程 在神经网络优化算法中最常用的方法是反向传播算法，下图是反向传播算法流程图： 从上图可知，反向传播算法实现了一个迭代的过程，在每次迭代的开始，先需要选取一小部分训练数据，这一小部分数据叫做一个batch。然后这一个batch会通过前向传播算法得 阅读全文

摘要： 在TensorFlow中，所有的变量都会被自动加入到GraphKeys.VARIABLES集合中。通过tf.global_variables()函数可以得到当前计算图上所有的变量。拿到所有的变量有助于持久化整个计算图的运行状态。当构建机器学习模型时，可以通过变量声明函数中的trainable参数来区 阅读全文

摘要： 在TensorFlow中变量的作用是保存和更新神经网络中的参数，需要给变量指定初始值，如下声明一个2x3矩阵变量 在这段代码中tf.random_normal([2,3], stddev=1)会产生一个2x3的矩阵,矩阵中的元素是均值为0，标准差为2的随机数。tf.random_normal()可以 阅读全文

摘要： Windows下 tensorboard出现ValueError：Invalid format string错误时，是格式错误问题，解决方法参阅我的另一篇博客 https://www.jianshu.com/p/ae25201d9ed5 阅读全文

摘要： 不同的神经网络结构前向传播的方式也不一样，本节介绍最简单的全链接神经网络结构的前向传播算法。之所以称之为全链接神经网络是因为相邻两层之间任意两个节点都有连接，如下图所示： 计算神经网络的前向传播结果需要三部分信息： 第一个部分是神经网络的输入，这个输入就是从实体中提取的特征向量。比如在上图中有两个输 阅读全文