摘要：神经网络在训练时最后会得到误差loss，神经网络会根据误差反向学习： 当反向学习的权重W < 1时，loss * W会逐级减小，甚至接近0。 这就是梯度消失。 当反向学习的权重W > 1时，loss * W会逐级增大，最后变得非常大。这就是梯度爆炸。 loss1 loss2 loss3 loss4 阅读全文

摘要：note: RNN处理有序的数据。例如一句话 一层双向的循环神经网络示意图（没有 S0' 则为单层循环）: 正向循环S0 到 Si：y1的值受X1,A1以及上一层的A0影响 反向循环Si 到 S0：y1的值受X1, A1' 以及下一层的 A2' 影响 他们两者之间并不共享权值。 多层双向循环构成深度 阅读全文

摘要：note: if you'll load data,the data shape should be similar with saved data's shape. -- 中式英语，天下无敌 阅读全文

摘要：记录sklearn数据训练时的loss值，用tensorboard可视化 三步骤：红字处 阅读全文

摘要：训练mnist数据集 结构组成： 阅读全文

摘要：用到的训练数据集：sklearn数据集 可视化工具：tensorboard，这儿记录了loss值（预测值与真实值的差值），通过loss值可以判断训练的结果与真实数据是否吻合 过拟合：训练过程中为了追求完美而导致问题 过拟合的情况：蓝线为实际情况，在误差为10的区间，他能够表示每条数据。 橙线为训练情 阅读全文

摘要：softmax分类 阅读全文

摘要：## 启动 cmd cd 到储存log的同级目录 tensorboard --logdir=log # Don't "log" 阅读全文

摘要：简单的训练MNIST数据集 （0-9的数字图片） 详细地址（包括下载地址）：http://www.tensorfly.cn/tfdoc/tutorials/mnist_beginners.html 阅读全文

摘要：调用该API可以不通过 tensorflow.Session.run()调用 定义的张量constant tensor,可以直接print 阅读全文

摘要：# -*- coding: utf-8 -*-import tensorflow as tf# 基本的常量操作，通过构造函数返回值 定义值的操作operationsa = tf.constant(2)b = tf.constant(3)# 启动默认 图形实例sess#支持运算with tf.Sess 阅读全文